論文の概要: Moral Decision-Making in Medical Hybrid Intelligent Systems: A Team
Design Patterns Approach to the Bias Mitigation and Data Sharing Design
Problems
- arxiv url: http://arxiv.org/abs/2102.11211v1
- Date: Tue, 16 Feb 2021 17:09:43 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-05 00:41:01.177018
- Title: Moral Decision-Making in Medical Hybrid Intelligent Systems: A Team
Design Patterns Approach to the Bias Mitigation and Data Sharing Design
Problems
- Title（参考訳）: 医療用ハイブリッドインテリジェントシステムにおけるモラル決定--バイアス軽減とデータ共有設計問題へのチームデザインパターンアプローチ
- Authors: Jip van Stijn
- Abstract要約: チームデザインパターン(TDP)は、決定が道徳的な要素を持つ設計問題の成功と再利用可能な構成を記述する。
本稿では,医療用hiシステムにおける2つの設計問題の解のセットについて述べる。
パターンの理解性、有効性、一般化性に関するユーザビリティを評価するために、調査が作成されました。
- 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: Increasing automation in the healthcare sector calls for a Hybrid
Intelligence (HI) approach to closely study and design the collaboration of
humans and autonomous machines. Ensuring that medical HI systems'
decision-making is ethical is key. The use of Team Design Patterns (TDPs) can
advance this goal by describing successful and reusable configurations of
design problems in which decisions have a moral component, as well as through
facilitating communication in multidisciplinary teams designing HI systems. For
this research, TDPs were developed to describe a set of solutions for two
design problems in a medical HI system: (1) mitigating harmful biases in
machine learning algorithms and (2) sharing health and behavioral patient data
with healthcare professionals and system developers. The Socio-Cognitive
Engineering methodology was employed, integrating operational demands, human
factors knowledge, and a technological analysis into a set of TDPs. A survey
was created to assess the usability of the patterns on their understandability,
effectiveness, and generalizability. The results showed that TDPs are a useful
method to unambiguously describe solutions for diverse HI design problems with
a moral component on varying abstraction levels, that are usable by a
heterogeneous group of multidisciplinary researchers. Additionally, results
indicated that the SCE approach and the developed questionnaire are suitable
methods for creating and assessing TDPs. The study concludes with a set of
proposed improvements to TDPs, including their integration with Interaction
Design Patterns, the inclusion of several additional concepts, and a number of
methodological improvements. Finally, the thesis recommends directions for
future research.
- Abstract（参考訳）: 医療分野における自動化の増大は、人間と自律機械の協力を深く研究し設計するためのハイブリッド・インテリジェンス(hi)アプローチを要求する。
医療HIシステムの意思決定が倫理的であることを保証することが重要である。
チームデザインパターン(TDP)の使用は、意思決定が道徳的な要素を持つ設計問題の再利用可能な構成を成功させ、HIシステムを設計する複数の学際的なチームでのコミュニケーションを促進することによって、この目標を前進させることができる。
本研究では,(1)機械学習アルゴリズムにおける有害バイアスの軽減,(2)健康と行動の患者データを医療従事者やシステム開発者と共有すること,という,医療hiシステムにおける2つの設計問題に対する一組のソリューションを記述するために,tdpsを開発した。
社会認知工学の手法が採用され、運用要求、ヒューマンファクターの知識、技術分析を一連のTDPに統合した。
パターンの理解性、有効性、一般化性に関するユーザビリティを評価するために、調査が作成されました。
その結果,TDPは多分野研究者の異種グループで使用可能な,様々な抽象レベルでの道徳的要素を持つ多様なHI設計問題の解を曖昧に記述する上で有用であることがわかった。
さらに, SCE アプローチと開発したアンケートは, TDP の作成と評価に適した方法であることが示唆された。
この研究は、インタラクションデザインパターンとの統合、いくつかの追加概念の追加、多くの方法論的改善など、TDPの改善案をまとめて結論付けている。
最後に、論文は今後の研究の方向性を推奨している。
関連論文リスト
- DREAMS: A python framework to train deep learning models with model card reporting for medical and health applications [7.2934799091933815]
本稿では,脳波データ処理,モデルトレーニング,レポート生成に適した総合的なディープラーニングフレームワークを提案する。
AI開発者によってさらに適応され、開発されるように構築されているが、モデルカードを通じて、開発者と臨床医の両方が使用する結果と具体的な情報を報告することができる。
論文 参考訳（メタデータ） (2024-09-26T13:12:13Z) - Enhancing Medical Learning and Reasoning Systems: A Boxology-Based Comparative Analysis of Design Patterns [0.0]
本研究では,ハイブリッドAIシステムの設計パターンとその臨床的意思決定における有効性について分析する。
Boxologyの構造化されたモジュール型アポラチは、ハイブリッドAIシステムの開発と分析において、大きなアドバンテージを提供する。
論文 参考訳（メタデータ） (2024-08-05T12:53:04Z) - A Survey of Models for Cognitive Diagnosis: New Developments and Future Directions [66.40362209055023]
本研究の目的は,認知診断の現在のモデルについて,機械学習を用いた新たな展開に注目した調査を行うことである。
モデル構造,パラメータ推定アルゴリズム,モデル評価方法,適用例を比較して,認知診断モデルの最近の傾向を概観する。
論文 参考訳（メタデータ） (2024-07-07T18:02:00Z) - Automated Multi-Task Learning for Joint Disease Prediction on Electronic Health Records [4.159498069487535]
本稿では,タスクグループとアーキテクチャの最適構成を同時に検索できるAutoDPという自動手法を提案する。
ハンドクラフトと自動化された最先端の手法の両方に対して大幅な性能向上を実現し、同時に検索コストを同時に維持する。
論文 参考訳（メタデータ） (2024-03-06T22:32:48Z) - Clairvoyance: A Pipeline Toolkit for Medical Time Series [95.22483029602921]
時系列学習は、データ駆動の*クリニカルな意思決定支援のパンとバターである*
Clairvoyanceは、ソフトウェアツールキットとして機能する、統合されたエンドツーエンドのオートMLフレンドリなパイプラインを提案する。
Clairvoyanceは、臨床時系列MLのための包括的で自動化可能なパイプラインの生存可能性を示す最初のものである。
論文 参考訳（メタデータ） (2023-10-28T12:08:03Z) - Applying Artificial Intelligence to Clinical Decision Support in Mental
Health: What Have We Learned? [0.0]
本稿では,近年開発されたAI-CDSSであるAifred Healthを事例として,うつ病における治療の選択と管理を支援する。
我々は、このAI-CDSSの開発およびテスト中にもたらされた原則と、実装を容易にするために開発された実践的ソリューションの両方を考慮する。
論文 参考訳（メタデータ） (2023-03-06T21:40:51Z) - VBridge: Connecting the Dots Between Features, Explanations, and Data
for Healthcare Models [85.4333256782337]
VBridgeは、臨床医の意思決定ワークフローに機械学習の説明をシームレスに組み込むビジュアル分析ツールである。
我々は,臨床医がMLの特徴に慣れていないこと,文脈情報の欠如,コホートレベルの証拠の必要性など,3つの重要な課題を特定した。
症例スタディと専門医4名のインタビューを通じて, VBridgeの有効性を実証した。
論文 参考訳（メタデータ） (2021-08-04T17:34:13Z) - Q-Pain: A Question Answering Dataset to Measure Social Bias in Pain
Management [5.044336341666555]
痛み管理の文脈におけるQAのバイアスを評価するためのデータセットであるQ-Painを紹介する。
本稿では, 治療決定の際に生じる潜在的なバイアスを測定するための, 実験設計のサンプルを含む, 厳密な新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2021-08-03T21:55:28Z) - MIMO: Mutual Integration of Patient Journey and Medical Ontology for
Healthcare Representation Learning [49.57261599776167]
本稿では、医療表現学習と予測分析のための、エンドツーエンドの堅牢なトランスフォーマーベースのソリューション、患者旅行の相互統合、医療オントロジー(MIMO)を提案する。
論文 参考訳（メタデータ） (2021-07-20T07:04:52Z) - 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) - Adversarial Sample Enhanced Domain Adaptation: A Case Study on
Predictive Modeling with Electronic Health Records [57.75125067744978]
ドメイン適応を容易にするデータ拡張手法を提案する。
逆生成したサンプルはドメイン適応時に使用される。
その結果,本手法の有効性とタスクの一般性が確認された。
論文 参考訳（メタデータ） (2021-01-13T03:20:20Z)
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。