論文の概要: OnRAMP for Regulating AI in Medical Products

• arxiv url: http://arxiv.org/abs/2010.07038v6
• Date: Mon, 26 Jul 2021 11:51:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-09 04:48:13.668928
• Title: OnRAMP for Regulating AI in Medical Products
• Title（参考訳）: 医療製品におけるAI制御のためのオンRAMP
• Authors: David Higgins
• Abstract要約: この視点は、規制パッケージの生産と互換性のある開発のためのベストプラクティスガイドラインを提案する。 これらのガイドラインにより、共通の機械学習プラクティスの開発において、すべての関係者がより明確にコミュニケーションできるようになります。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Medical Artificial Intelligence (AI) involves the application of machine learning algorithms to biomedical datasets in order to improve medical practices. Products incorporating medical AI require certification before deployment in most jurisdictions. To date, clear pathways for regulating medical AI are still under development. Below the level of formal pathways lies the actual practice of developing a medical AI solution. This Perspective proposes best practice guidelines for development compatible with the production of a regulatory package which, regardless of the formal regulatory path, will form a core component of a certification process. The approach is predicated on a statistical risk perspective, typical of medical device regulators, and a deep understanding of machine learning methodologies. These guidelines will allow all parties to communicate more clearly in the development of a common Good Machine Learning Practice (GMLP), and thus lead to the enhanced development of both medical AI products and regulations.
• Abstract（参考訳）: 医療人工知能(AI)は、医療実践を改善するために、機械学習アルゴリズムをバイオメディカルデータセットに適用する。 医療用AIを組み込んだ製品は、ほとんどの管轄区域に配備する前に認証が必要である。 現在、医療用AIを規制するための明確な経路が開発中である。 正式な経路のレベル以下は、医療aiソリューションを開発する実際のプラクティスである。 この視点では、正式な規制パスに関係なく、認証プロセスのコアコンポーネントを形成する規制パッケージの作成と互換性のある開発のためのベストプラクティスガイドラインを提案する。 このアプローチは、統計的なリスクの観点、医療機器規制当局の典型、機械学習方法論の深い理解に基づいています。 これらのガイドラインは、すべての当事者が共通優れた機械学習プラクティス(gmlp)の開発においてより明確にコミュニケーションすることを可能にし、医療ai製品と規制の両方の強化につながる。

関連論文リスト

• Towards regulatory compliant lifecycle for AI-based medical devices in EU: Industry perspectives [2.4742581572364126]
  医療機器ソフトウェア開発の欧州規制フレームワークは、AI固有の考慮事項に対処するには不十分だ。 本稿では、AI対応医療システムに関連する規制活動により、AIライフサイクルの一般的な考え方を拡張し、ギャップを埋めるモデルを提案する。
  論文  参考訳（メタデータ） (2024-09-12T12:51:38Z)
• Aligning XAI with EU Regulations for Smart Biomedical Devices: A Methodology for Compliance Analysis [0.7373617024876725]
  本研究は、バイオエレクトロニクスにおけるXAI応用とEU規制の厳格な規定の整合における重要なギャップを埋めるものである。 開発者と研究者に実践的なフレームワークを提供し、彼らのAIイノベーションが法的および倫理的基準に準拠していることを保証する。
  論文  参考訳（メタデータ） (2024-08-27T14:59:27Z)
• ChiMed-GPT: A Chinese Medical Large Language Model with Full Training Regime and Better Alignment to Human Preferences [51.66185471742271]
  我々は中国医学領域向けに明示的に設計されたベンチマークLSMであるChiMed-GPTを提案する。 ChiMed-GPTは、事前訓練、SFT、RLHFを含む総合的な訓練体制を実施。 我々は,ChiMed-GPTを患者識別に関する態度尺度の実行を促すことによって,潜在的なバイアスを分析した。
  論文  参考訳（メタデータ） (2023-11-10T12:25:32Z)
• 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)
• Validation of artificial intelligence containing products across the regulated healthcare industries [0.0]
  規制分野への人工知能/機械学習(AI/ML)製品の導入は、新たな規制問題を引き起こす。 共通用語と理解の欠如は、混乱、遅延、製品失敗につながる。 製品開発における重要なステップとしてのバリデーションは、人々とプロセスの整合性を比較する機会を提供する。
  論文  参考訳（メタデータ） (2023-02-13T14:03:36Z)
• 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)
• MedPerf: Open Benchmarking Platform for Medical Artificial Intelligence using Federated Evaluation [110.31526448744096]
  この可能性を解き明かすには、大規模な異種データに対して医療AIモデルの性能を測定する体系的な方法が必要である、と私たちは主張する。 MedPerfは、医療分野で機械学習をベンチマークするためのオープンフレームワークです。
  論文  参考訳（メタデータ） (2021-09-29T18:09:41Z)
• The Medkit-Learn(ing) Environment: Medical Decision Modelling through Simulation [81.72197368690031]
  医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。 Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
  論文  参考訳（メタデータ） (2021-06-08T10:38:09Z)
• An interdisciplinary conceptual study of Artificial Intelligence (AI) for helping benefit-risk assessment practices: Towards a comprehensive qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
  本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。 目的は、AIシステムを評価するための共有概念や相違点を特定することである。
  論文  参考訳（メタデータ） (2021-05-07T12:01:31Z)
• From Bit To Bedside: A Practical Framework For Artificial Intelligence Product Development In Healthcare [0.0]
  本稿では,AI駆動型バイオメディカル製品開発のための意思決定視点フレームワークを提案する。 我々は, 臨床検証, 規制問題, データ戦略, アルゴリズム開発に関する課題に焦点をあてる。 私たちのフレームワークは、イノベーションフレームワークのテンプレートと見なされるべきです。
  論文  参考訳（メタデータ） (2020-03-23T14:42:18Z)

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。