論文の概要: Ethical Machine Learning in Health Care
- arxiv url: http://arxiv.org/abs/2009.10576v3
- Date: Thu, 8 Oct 2020 03:26:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-15 21:57:43.245116
- Title: Ethical Machine Learning in Health Care
- Title(参考訳): 医療における倫理的機械学習
- Authors: Irene Y. Chen, Emma Pierson, Sherri Rose, Shalmali Joshi, Kadija
Ferryman, and Marzyeh Ghassemi
- Abstract要約: 我々は、社会正義のレンズを通して医療における機械学習の倫理を定めている。
我々は、現在進行中の取り組みについて述べ、健康における倫理的MLのパイプラインを提案している課題について概説する。
- 参考スコア(独自算出の注目度): 8.970081470935424
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The use of machine learning (ML) in health care raises numerous ethical
concerns, especially as models can amplify existing health inequities. Here, we
outline ethical considerations for equitable ML in the advancement of health
care. Specifically, we frame ethics of ML in health care through the lens of
social justice. We describe ongoing efforts and outline challenges in a
proposed pipeline of ethical ML in health, ranging from problem selection to
post-deployment considerations. We close by summarizing recommendations to
address these challenges.
- Abstract(参考訳): 医療における機械学習(ML)の使用は、特にモデルが既存の健康不平等を増幅できるため、多くの倫理的懸念を引き起こす。
ここでは、医療の進歩における公平MLの倫理的考察を概説する。
具体的には、社会正義のレンズを通して、医療におけるMLの倫理を規定する。
本稿では,問題選択からデプロイ後の考慮まで,健康における倫理的mlのパイプラインにおける継続的な取り組みと課題の概要について述べる。
これらの課題に対処するために推奨事項を要約することで締めくくった。
関連論文リスト
- The Only Way is Ethics: A Guide to Ethical Research with Large Language Models [53.316174782223115]
LLM倫理白書(LLM Ethics Whitepaper)は、NLP実践者のオープンリソースであり、他人の仕事の倫理的意味を評価することを担当する。
私たちの目標は、倫理文学を明確な第一歩で考えるための具体的な勧告や挑発に翻訳することです。
LLM倫理白書」は、文献の徹底的なレビューを、ドとドナの明確な解釈に駆り立てたもので、本論文にも紹介する。
論文 参考訳(メタデータ) (2024-12-20T16:14:43Z) - Beyond Multiple-Choice Accuracy: Real-World Challenges of Implementing Large Language Models in Healthcare [12.95185314804115]
LLM(Large Language Models)は、医療分野において人間レベルの能力に対して大きな注目を集めている。
本研究は,医学応用におけるLLMの課題を4つの側面から論じる。
論文 参考訳(メタデータ) (2024-10-24T06:12:03Z) - What is Fair? Defining Fairness in Machine Learning for Health [0.6311610943467981]
本稿では,健康のための機械学習におけるフェアネスの概念について検討する。
本研究は、一般に使われている公正度指標の概要と、公開電子健康記録データセットのケーススタディによる議論を補完するものである。
また、健康の公平性を定義する上での現在の課題と機会を強調し、今後の研究の展望についても論じる。
論文 参考訳(メタデータ) (2024-06-13T16:41:30Z) - A Survey on Large Language Models for Critical Societal Domains: Finance, Healthcare, and Law [65.87885628115946]
大規模言語モデル(LLM)は、金融、医療、法律の展望に革命をもたらしている。
我々は、医療における診断・治療方法論の強化、財務分析の革新、法的解釈・コンプライアンス戦略の精査におけるLCMの役割を強調した。
これらの分野におけるLLMアプリケーションの倫理を批判的に検討し、既存の倫理的懸念と透明で公平で堅牢なAIシステムの必要性を指摘した。
論文 参考訳(メタデータ) (2024-05-02T22:43:02Z) - Privacy-preserving machine learning for healthcare: open challenges and
future perspectives [72.43506759789861]
医療におけるプライバシー保護機械学習(PPML)に関する最近の文献を概観する。
プライバシ保護トレーニングと推論・アズ・ア・サービスに重点を置いています。
このレビューの目的は、医療におけるプライベートかつ効率的なMLモデルの開発をガイドすることである。
論文 参考訳(メタデータ) (2023-03-27T19:20:51Z) - AI Ethics in Smart Healthcare [4.226118870861363]
本稿では、人工知能をスマートヘルスケア製品に統合する倫理的課題について概観する。
倫理的課題は、透明性、バイアス、プライバシー、安全、責任、正義、自律性に関連する。
オープンな課題とレコメンデーションは、AIベースのスマートヘルスケア製品の設計、検証、臨床試験、デプロイメント、監視、修復、廃止に倫理原則の統合を可能にするために概説されている。
論文 参考訳(メタデータ) (2022-11-02T15:30:40Z) - Detecting Shortcut Learning for Fair Medical AI using Shortcut Testing [62.9062883851246]
機械学習は医療の改善に大いに貢献するが、その利用が健康格差を広めたり増幅したりしないことを確実にすることは重要である。
アルゴリズムの不公平性の潜在的な要因の1つ、ショートカット学習は、トレーニングデータにおける不適切な相関に基づいてMLモデルが予測した時に発生する。
マルチタスク学習を用いて,臨床MLシステムの公平性評価の一環として,ショートカット学習の評価と緩和を行う手法を提案する。
論文 参考訳(メタデータ) (2022-07-21T09:35:38Z) - Fair Machine Learning in Healthcare: A Review [90.22219142430146]
我々は、機械学習と医療格差における公正性の交差を分析する。
機械学習の観点から、関連する公正度メトリクスを批判的にレビューする。
本稿では,医療における倫理的かつ公平なMLアプリケーション開発を約束する新たな研究指針を提案する。
論文 参考訳(メタデータ) (2022-06-29T04:32:10Z) - Assessing Fairness in Classification Parity of Machine Learning Models
in Healthcare [19.33981403623531]
医療における分類の公平性に関する予備的結果を示す。
また,医療の文脈において,公平性を向上し,適切な分類アルゴリズムを選択するための探索的手法を提案する。
論文 参考訳(メタデータ) (2021-02-07T04:46:27Z) - On the Morality of Artificial Intelligence [154.69452301122175]
本稿では,機械学習の研究・展開に関する概念的かつ実践的な原則とガイドラインを提案する。
我々は,より倫理的で道徳的なMLの実践を追求するために,実践者が採る具体的な行動を主張している。
論文 参考訳(メタデータ) (2019-12-26T23:06:54Z)
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。