論文の概要: Artificial Intelligence in Healthcare: Lost In Translation?
- arxiv url: http://arxiv.org/abs/2107.13454v1
- Date: Wed, 28 Jul 2021 16:10:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-29 16:42:25.582154
- Title: Artificial Intelligence in Healthcare: Lost In Translation?
- Title(参考訳): 医療における人工知能:翻訳の損失は?
- Authors: Vince I. Madai and David C. Higgins
- Abstract要約: 私たちは、医療におけるAIの翻訳に関する現在の課題を観察する主要な領域を強調します。
我々の研究は、医療製品におけるAIを臨床現場に翻訳することにつながるだろう。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Artificial intelligence (AI) in healthcare is a potentially revolutionary
tool to achieve improved healthcare outcomes while reducing overall health
costs. While many exploratory results hit the headlines in recent years there
are only few certified and even fewer clinically validated products available
in the clinical setting. This is a clear indication of failing translation due
to shortcomings of the current approach to AI in healthcare. In this work, we
highlight the major areas, where we observe current challenges for translation
in AI in healthcare, namely precision medicine, reproducible science, data
issues and algorithms, causality, and product development. For each field, we
outline possible solutions for these challenges. Our work will lead to improved
translation of AI in healthcare products into the clinical setting
- Abstract(参考訳): 医療におけるai(artificial intelligence)は、全体の健康コストを削減しつつ、医療結果を改善するための革命的なツールである。
近年、多くの探索的な結果が見出しに載っているが、臨床現場で利用可能な認証済みの製品は少なく、臨床的に検証された製品も少ない。
これは、現在の医療におけるAIアプローチの欠点による翻訳の失敗の明確な兆候である。
本研究では、医療におけるAI翻訳の現在の課題、すなわち、精密医療、再現可能な科学、データ問題とアルゴリズム、因果性、製品開発を観察する分野について強調する。
各分野について、これらの課題に対する可能な解決策を概説する。
我々の研究は、医療製品におけるAIの医療現場への翻訳の改善に繋がる
関連論文リスト
- Leveraging Generative AI for Clinical Evidence Summarization Needs to
Ensure Trustworthiness [48.57739568243112]
エビデンスベースの医療は、医療の意思決定と実践を最大限に活用することで、医療の質を向上させることを約束する。
様々な情報源から得ることができる医学的証拠の急速な成長は、明らかな情報の収集、評価、合成に挑戦する。
大規模言語モデルによって実証された、生成AIの最近の進歩は、困難な作業の促進を約束する。
論文 参考訳(メタデータ) (2023-11-19T03:29:45Z) - FUTURE-AI: International consensus guideline for trustworthy and
deployable artificial intelligence in healthcare [73.51384299592974]
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) - From Military to Healthcare: Adopting and Expanding Ethical Principles
for Generative Artificial Intelligence [10.577932700903112]
価値ある情報を効率的に生成するように設計された新興技術である生成AIは、大きな可能性を秘めている。
我々は、医療におけるジェネレーティブAIのためのガバナンス、信頼性、エクイティ、説明責任、トレーサビリティ、プライバシ、合法性、共感、自律性を含むGREAT PLEA倫理原則を提案する。
論文 参考訳(メタデータ) (2023-08-04T16:22:06Z) - Prompt Engineering for Healthcare: Methodologies and Applications [51.965733825188416]
医療分野の自然言語処理(NLP)分野における最近の技術進歩を紹介する。
まず,素早い工学開発の概要について概説する。
第2に、質問応答システム、テキスト要約、機械翻訳などの医療NLPアプリケーションへの重要な貢献を強調します。
論文 参考訳(メタデータ) (2023-04-28T08:03:42Z) - Ensuring Trustworthy Medical Artificial Intelligence through Ethical and
Philosophical Principles [4.705984758887425]
AIベースのコンピュータ支援診断と治療ツールは、臨床レベルを合わせるか、あるいは臨床専門家を上回ることで、医療を民主化することができる。
このようなAIツールの民主化は、ケアコストを削減し、リソース割り当てを最適化し、ケアの質を向上させる。
AIをヘルスケアに統合することは、バイアス、透明性、自律性、責任、説明責任など、いくつかの倫理的および哲学的な懸念を提起する。
論文 参考訳(メタデータ) (2023-04-23T04:14:18Z) - 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) - The Role of AI in Drug Discovery: Challenges, Opportunities, and
Strategies [97.5153823429076]
この分野でのAIのメリット、課題、欠点についてレビューする。
データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
論文 参考訳(メタデータ) (2022-12-08T23:23:39Z) - CBLUE: A Chinese Biomedical Language Understanding Evaluation Benchmark [51.38557174322772]
中国初のバイオメディカル言語理解評価ベンチマークを提示する。
名前付きエンティティ認識、情報抽出、臨床診断正規化、単文/文対分類を含む自然言語理解タスクのコレクションである。
本研究は,現在の11種類の中国モデルによる実験結果について報告し,その実験結果から,現在最先端のニューラルモデルがヒトの天井よりもはるかに悪い性能を示すことが示された。
論文 参考訳(メタデータ) (2021-06-15T12:25:30Z) - Explainable AI meets Healthcare: A Study on Heart Disease Dataset [0.0]
目的は、様々な技術を用いて説明可能なAIシステムの理解性と解釈可能性について実践者に啓蒙することである。
本論文は、心臓病データセットに基づく例を収録し、信頼性を高めるために説明可能性技術をどのように好むべきかを解明する。
論文 参考訳(メタデータ) (2020-11-06T05:18:43Z) - Trust and Medical AI: The challenges we face and the expertise needed to
overcome them [15.07989177980542]
医療AIの失敗は、臨床結果や患者の経験に重大な影響を及ぼす可能性がある。
本稿では,医療AIにおける概念的,技術的,人道的課題について述べる。
医療用AI技術の開発、検証、運用を専門とする新たな専門家グループの教育と認定を基盤とするソリューションを提案する。
論文 参考訳(メタデータ) (2020-08-18T04:17:58Z) - 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。