論文の概要: A Framework for Addressing the Risks and Opportunities In AI-Supported Virtual Health Coaches

• arxiv url: http://arxiv.org/abs/2010.06059v1
• Date: Mon, 12 Oct 2020 22:41:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-08 07:18:40.792531
• Title: A Framework for Addressing the Risks and Opportunities In AI-Supported Virtual Health Coaches
• Title（参考訳）: AI対応バーチャルヘルスコーチのリスクと機会に対処するためのフレームワーク
• Authors: Sonia Baee, Mark Rucker, Anna Baglione, Mawulolo K. Ameko, Laura Barnes
• Abstract要約: 本稿では,仮想コーチングシステムの設計と開発を導く新しい枠組みを提案する。 このフレームワークは、信頼性、公正性、エンゲージメント、倫理という4つの主要な目標を持つ、従来のデータサイエンスパイプラインを拡張している。
• 参考スコア（独自算出の注目度）: 0.8749675983608171
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Virtual coaching has rapidly evolved into a foundational component of modern clinical practice. At a time when healthcare professionals are in short supply and the demand for low-cost treatments is ever-increasing, virtual health coaches (VHCs) offer intervention-on-demand for those limited by finances or geographic access to care. More recently, AI-powered virtual coaches have become a viable complement to human coaches. However, the push for AI-powered coaching systems raises several important issues for researchers, designers, clinicians, and patients. In this paper, we present a novel framework to guide the design and development of virtual coaching systems. This framework augments a traditional data science pipeline with four key guiding goals: reliability, fairness, engagement, and ethics.
• Abstract（参考訳）: バーチャルコーチングは急速に進化し、現代の臨床実践の基礎的要素となった。 医療専門家が不足し、低コストな治療の需要がますます高まる中、バーチャルヘルスコーチ(vhcs)は、財政や医療への地理的アクセスに制限された人々に対して、介入をオンデマンドで提供する。 最近では、AIで動くバーチャルコーチが、人間のコーチを補完する存在になりつつある。 しかし、aiを活用したコーチングシステムの導入は、研究者、デザイナー、臨床医、患者にとって重要な課題を提起する。 本稿では,仮想コーチングシステムの設計と開発を導くための新しい枠組みを提案する。 このフレームワークは、信頼性、公平性、エンゲージメント、倫理という4つの主要な目標を持つ、従来のデータサイエンスパイプラインを強化する。

関連論文リスト

• Promoting AI Competencies for Medical Students: A Scoping Review on Frameworks, Programs, and Tools [1.8402287369342527]
  医療におけるAIの重要性の高まりにもかかわらず、それが伝統的な、しばしば過負荷の医療カリキュラムに採用されている範囲は不明である。 このレビューは、AI能力のある医療従事者を構築するための実践的で関連する教育戦略を開発するためのロードマップを提供する。
  論文  参考訳（メタデータ） (2024-07-10T16:34:41Z)
• Dr-LLaVA: Visual Instruction Tuning with Symbolic Clinical Grounding [53.629132242389716]
  VLM(Vision-Language Models)は、医用画像を分析し、自然言語の相互作用に関与することによって、臨床医を支援する。 VLMはしばしば「幻覚的」な振る舞いを示し、文脈的マルチモーダル情報に基づかないテキスト出力を生成する。 本稿では,臨床推論の象徴的表現を用いて医療知識にVLMを基盤とする新たなアライメントアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-29T23:19:28Z)
• FUTURE-AI: International consensus guideline for trustworthy and deployable artificial intelligence in healthcare [73.78776682247187]
  医療AIに関連する技術的、臨床的、倫理的、法的リスクに関する懸念が高まっている。 この研究は、Future-AIガイドラインを、医療における信頼できるAIツールの開発とデプロイを導くための最初の国際コンセンサスフレームワークとして説明している。
  論文  参考訳（メタデータ） (2023-08-11T10:49:05Z)
• HEAR4Health: A blueprint for making computer audition a staple of modern healthcare [89.8799665638295]
  近年、従来の医療システムを変革する試みとして、デジタル医療の研究が急速に増加している。 コンピュータによるオーディションは、少なくとも商業的関心の面では遅れている。 実生活における聴覚信号の分析に必要な基礎技術に対応する聴覚、計算とデータ効率の進歩、個々の差異を考慮し、医療データの長手性を扱う聴覚。
  論文  参考訳（メタデータ） (2023-01-25T09:25:08Z)
• A Trustworthy Framework for Medical Image Analysis with Deep Learning [71.48204494889505]
  TRUDLMIAは医用画像解析のための信頼できるディープラーニングフレームワークである。 新型コロナウイルス(COVID-19)などの公衆衛生危機への対応に深層学習の活用を推進していくため、研究者や臨床医を支援することが期待されている。
  論文  参考訳（メタデータ） (2022-12-06T05:30:22Z)
• AutoPrognosis 2.0: Democratizing Diagnostic and Prognostic Modeling in Healthcare with Automated Machine Learning [72.2614468437919]
  本稿では,診断・予後モデルを開発するための機械学習フレームワークAutoPrognosis 2.0を提案する。 我々は,英国バイオバンクを用いた糖尿病の予後リスクスコアを構築するための図解的アプリケーションを提供する。 我々のリスクスコアはWebベースの意思決定支援ツールとして実装されており、世界中の患者や臨床医がアクセスできる。
  論文  参考訳（メタデータ） (2022-10-21T16:31:46Z)
• Learn2Trust: A video and streamlit-based educational programme for AI-based medical image analysis targeted towards medical students [0.0]
  オンラインコースでは、医療画像データ分析のためのAIの基礎を教えている。 焦点は医学的応用と機械学習の基礎に焦点を当てた。 授業初回参加医学生を対象に,研究仮説を定量的に分析するために調査を行った。
  論文  参考訳（メタデータ） (2022-08-15T16:26:13Z)
• When Performance is not Enough -- A Multidisciplinary View on Clinical Decision Support [1.892787412744942]
  本研究は,医療意思決定支援システムにおける機械学習の多分野的展望を示す。 ネフローロジで実装されたリスク予測システムとともに、パイロットプロジェクトで学んだ課題と教訓が提示される。
  論文  参考訳（メタデータ） (2022-04-27T10:05:13Z)
• An Orchestration Platform that Puts Radiologists in the Driver's Seat of AI Innovation: A Methodological Approach [0.0]
  放射線学における現在のAI駆動の研究は、しばしば小規模で資源に制限された研究室にアクセスできないリソースと専門知識を必要とする。 現在の画像データはクリニック指向であり、機械学習イニシアチブに容易に対応できない。 インフラやプラットフォームのニーズに対処するために開発したシステムや方法論について述べるとともに、導入する人員やリソースの障壁を減らす。
  論文  参考訳（メタデータ） (2021-07-06T20:32:14Z)
• Enabling AI and Robotic Coaches for Physical Rehabilitation Therapy: Iterative Design and Evaluation with Therapists and Post-Stroke Survivors [66.07833535962762]
  人工知能(AI)とロボットコーチは、社会的相互作用を通じてリハビリテーション運動における患者の関与を改善することを約束する。 これまでの研究は、AIやロボットコーチの運動を自動的に監視する可能性を探ったが、デプロイは依然として難しい課題だ。 我々は,AIとロボットコーチが患者の運動をどのように操作し,指導するかに関する詳細な設計仕様を提示する。
  論文  参考訳（メタデータ） (2021-06-15T22:06:39Z)

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。