論文の概要: Three-stage intelligent support of clinical decision making for higher trust, validity, and explainability

• arxiv url: http://arxiv.org/abs/2007.12870v4
• Date: Thu, 6 Jan 2022 10:07:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-07 01:18:33.786790
• Title: Three-stage intelligent support of clinical decision making for higher trust, validity, and explainability
• Title（参考訳）: 高信頼・妥当性・説明可能性のための臨床意思決定の3段階知的支援
• Authors: Sergey V. Kovalchuk, Georgy D. Kopanitsa, Ilia V. Derevitskii, Daria A. Savitskaya
• Abstract要約: 本稿では,一貫した臨床診断支援システムを構築するためのアプローチを提案する。 これはドメイン固有およびデータ駆動の支援手順の3段階の応用に基づいている。 提案手法はCDSSのより高度な自動化、スケーラビリティ、意味論的解釈を可能にする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The paper presents an approach for building consistent and applicable clinical decision support systems (CDSSs) using a data-driven predictive model aimed at resolving the problem of low applicability and scalability of CDSSs in real-world applications. The approach is based on a threestage application of domain-specific and data-driven supportive procedures that are to be integrated into clinical business processes with higher trust and explainability of the prediction results and recommendations. Within the considered three stages, the regulatory policy, data-driven modes, and interpretation procedures are integrated to enable natural domain-specific interaction with decisionmakers with sequential narrowing of the intelligent decision support focus. The proposed methodology enables a higher level of automation, scalability, and semantic interpretability of CDSSs. The approach was implemented in software solutions and tested within a case study in T2DM prediction, enabling us to improve known clinical scales (such as FINDRISK) while keeping the problem-specific reasoning interface similar to existing applications. Such inheritance, together with the three-staged approach, provide higher compatibility of the solution and leads to trust, valid, and explainable application of data-driven solutions in real-world cases.
• Abstract（参考訳）: 本稿では,CDSSの低適用性とスケーラビリティの問題を解決することを目的としたデータ駆動予測モデルを用いて,一貫した臨床診断支援システム(CDSS)を構築するためのアプローチを提案する。 このアプローチは、3段階のドメイン固有およびデータ駆動支援手順の応用に基づいており、高い信頼と予測結果とレコメンデーションの説明性を持つ臨床ビジネスプロセスに統合される予定である。 検討された3つの段階では、規制方針、データ駆動型モード、解釈手順が統合され、知的意思決定支援の焦点を連続的に絞った自然なドメイン固有の相互作用を可能にする。 提案手法はCDSSのより高度な自動化、スケーラビリティ、意味論的解釈を可能にする。 この手法はソフトウェアソリューションで実装され、T2DM予測のケーススタディでテストされ、既存のアプリケーションと同じような問題固有の推論インターフェースを維持しながら、既知の臨床スケール(FINDRISKなど)を改善することができる。 このような継承は、3段階のアプローチとともに、ソリューションのより高い互換性を提供し、現実世界のケースにおけるデータ駆動ソリューションの信頼性、有効性、説明可能な応用につながる。

関連論文リスト

• A Review of Bayesian Uncertainty Quantification in Deep Probabilistic Image Segmentation [0.0]
  画像セグメンテーションの進歩は、ディープラーニングベースのコンピュータビジョンの広い範囲において重要な役割を果たす。 この文脈において不確かさの定量化が広く研究され、モデル無知(認識の不確実性)やデータ曖昧さ(アラート的不確実性)を表現し、不正な意思決定を防ぐことができる。 この研究は、分野の進歩を左右する不確実性の基本概念と様々なタスクへの応用について議論することで、確率的セグメンテーションの包括的概要を提供する。
  論文  参考訳（メタデータ） (2024-11-25T13:26:09Z)
• Exploring the Requirements of Clinicians for Explainable AI Decision Support Systems in Intensive Care [1.950650243134358]
  Thematic analysis revealed three coremes: (T1) ICU decision-making based on a wide range factors, (T2) patient state is challenge for shared decision-making, (T3) requirements and capabilities of AI decision support system。 臨床的なインプットからデザインレコメンデーションを含め、将来のAIシステムに集中治療を知らせるための洞察を提供する。
  論文  参考訳（メタデータ） (2024-11-18T17:53:07Z)
• Making Large Language Models Better Planners with Reasoning-Decision Alignment [70.5381163219608]
  マルチモーダリティ強化LLMに基づくエンドツーエンド意思決定モデルを提案する。 ペア化されたCoTと計画結果との推論・決定アライメントの制約を提案する。 提案する大規模言語プランナをRDA-Driverとして推論・決定アライメントする。
  論文  参考訳（メタデータ） (2024-08-25T16:43:47Z)
• Unified Uncertainty Estimation for Cognitive Diagnosis Models [70.46998436898205]
  本稿では,幅広い認知診断モデルに対する統一的不確実性推定手法を提案する。 診断パラメータの不確かさをデータ・アスペクトとモデル・アスペクトに分解する。 本手法は有効であり,認知診断の不確実性に関する有用な知見を提供することができる。
  論文  参考訳（メタデータ） (2024-03-09T13:48:20Z)
• Neural machine translation of clinical procedure codes for medical diagnosis and uncertainty quantification [1.974814309194804]
  医療エントロピーの概念を導入し,ICD-9法に基づくニューラルマシン翻訳によって予測される患者の予後の不確かさを定量化する。 簡単なICD-9コードに基づいて,術式と診断シーケンスの相関が強いことを示す。 また,データ駆動アプローチにより入院時の不確実性の傾向をモデル化する有望な能力を示す。
  論文  参考訳（メタデータ） (2024-02-07T20:11:56Z)
• Distributionally Robust Model-based Reinforcement Learning with Large State Spaces [55.14361269378122]
  強化学習における3つの大きな課題は、大きな状態空間を持つ複雑な力学系、コストのかかるデータ取得プロセス、トレーニング環境の展開から現実の力学を逸脱させることである。 広範に用いられているKullback-Leibler, chi-square, および全変分不確実性集合の下で, 連続状態空間を持つ分布ロバストなマルコフ決定過程について検討した。 本稿では,ガウス過程と最大分散削減アルゴリズムを用いて,多出力名目遷移力学を効率的に学習するモデルベースアプローチを提案する。
  論文  参考訳（メタデータ） (2023-09-05T13:42:11Z)
• A Survey on Interpretable Cross-modal Reasoning [64.37362731950843]
  マルチメディア分析から医療診断に至るまで、クロスモーダル推論(CMR)が重要な分野として浮上している。 この調査は、解釈可能なクロスモーダル推論(I-CMR)の領域を掘り下げる 本調査では,I-CMRの3段階分類法について概説する。
  論文  参考訳（メタデータ） (2023-09-05T05:06:48Z)
• A Study of Situational Reasoning for Traffic Understanding [63.45021731775964]
  トラフィック領域における状況推論のための3つの新しいテキストベースのタスクを考案する。 先行作業における言語推論タスクにまたがる一般化能力を示す知識強化手法を4つ採用する。 本稿では,データ分割におけるモデル性能の詳細な解析を行い,モデル予測を分類的に検討する。
  論文  参考訳（メタデータ） (2023-06-05T01:01:12Z)
• Communicating Uncertainty in Machine Learning Explanations: A Visualization Analytics Approach for Predictive Process Monitoring [0.0]
  本研究では,グローバルおよびローカルなポストホックな説明手法でモデル不確実性を効果的に伝達する方法を検討する。 これら2つの研究の方向性を組み合わせることで、意思決定者は説明駆動型実行可能な洞察の妥当性を正当化できるだけでなく、信頼性も検証できる。
  論文  参考訳（メタデータ） (2023-04-12T09:44:32Z)
• Application-Driven Learning: A Closed-Loop Prediction and Optimization Approach Applied to Dynamic Reserves and Demand Forecasting [41.94295877935867]
  我々は、予測と意思決定のプロセスが統合され、協調最適化される新しいクローズドループフレームワークであるアプリケーション駆動学習を提案する。 提案手法は拡張性があり,標準のオープンループ手法よりも一貫して性能が向上することを示す。
  論文  参考訳（メタデータ） (2021-02-26T02:43:28Z)
• Hierarchical Reinforcement Learning for Automatic Disease Diagnosis [52.111516253474285]
  政策学習のための対話システムに2段階の階層的な政策構造を統合することを提案する。 提案した政策構造は,多くの疾患や症状を含む診断問題に対処することができる。
  論文  参考訳（メタデータ） (2020-04-29T15:02:41Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。