Fugu-MT 論文翻訳(概要): Artificial Intelligence in Healthcare: Lost In Translation?

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

AI-driven innovation in medicaid: enhancing access, cost efficiency, and population health management [1.4802369202548666]
米国メディケイドプログラムは、医療費の急激な増加、不均一な医療のアクセシビリティ、および様々な人口の健康ニーズに対処する上での課題を含む重要な課題を経験している。本稿では,メディケイドのリフォームにおける人工知能(AI)の変容の可能性について,手術の合理化,患者結果の改善,コスト削減の両面から検討する。
論文参考訳（メタデータ） (2024-10-11T07:14:42Z)
AI-Driven Healthcare: A Survey on Ensuring Fairness and Mitigating Bias [2.398440840890111]
AIアプリケーションは、診断精度、治療のパーソナライゼーション、患者の結果予測を大幅に改善した。これらの進歩は、実質的な倫理的・公正性の課題ももたらした。これらのバイアスは、医療提供の格差をもたらし、異なる人口集団の診断精度と治療結果に影響を与える可能性がある。
論文参考訳（メタデータ） (2024-07-29T02:39:17Z)
Towards Clinical AI Fairness: Filling Gaps in the Puzzle [15.543248260582217]
このレビューでは、医療データと提供されたAIフェアネスソリューションの両方に関して、いくつかの欠陥を体系的に指摘する。 AI技術がますます活用されている多くの医療分野において、AIフェアネスの研究の欠如を強調している。これらのギャップを埋めるために、我々のレビューは医療研究コミュニティとAI研究コミュニティの両方にとって実行可能な戦略を前進させます。
論文参考訳（メタデータ） (2024-05-28T07:42:55Z)
AI Hospital: Benchmarking Large Language Models in a Multi-agent Medical Interaction Simulator [69.51568871044454]
我々は,emphDoctorをプレイヤとして,NPC間の動的医療相互作用をシミュレーションするフレームワークであるtextbfAI Hospitalを紹介した。この設定は臨床シナリオにおけるLCMの現実的な評価を可能にする。高品質な中国の医療記録とNPCを利用したマルチビュー医療評価ベンチマークを開発した。
論文参考訳（メタデータ） (2024-02-15T06:46:48Z)
Leveraging Generative AI for Clinical Evidence Summarization Needs to Ensure Trustworthiness [47.51360338851017]
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 [73.78776682247187]
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)
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)

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。