論文の概要: Deploying clinical machine learning? Consider the following...

• arxiv url: http://arxiv.org/abs/2109.06919v3
• Date: Thu, 8 Jun 2023 15:53:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-09 22:36:56.121130
• Title: Deploying clinical machine learning? Consider the following...
• Title（参考訳）: 臨床機械学習の展開? 以下を考えてみよう。
• Authors: Charles Lu, Ken Chang, Praveer Singh, Stuart Pomerantz, Sean Doyle, Sujay Kakarmath, Christopher Bridge, Jayashree Kalpathy-Cramer
• Abstract要約: いくつかの考察に対する感謝の欠如が、この期待と現実の相違の大きな原因であると考えている。 臨床用機械学習アプリケーションを設計・開発するために,課題のいくつかの主要なカテゴリを特定した。
• 参考スコア（独自算出の注目度）: 4.320268614534372
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Despite the intense attention and considerable investment into clinical machine learning research, relatively few applications have been deployed at a large-scale in a real-world clinical environment. While research is important in advancing the state-of-the-art, translation is equally important in bringing these techniques and technologies into a position to ultimately impact healthcare. We believe a lack of appreciation for several considerations are a major cause for this discrepancy between expectation and reality. To better characterize a holistic perspective among researchers and practitioners, we survey several practitioners with commercial experience in developing CML for clinical deployment. Using these insights, we identify several main categories of challenges in order to better design and develop clinical machine learning applications.
• Abstract（参考訳）: 臨床機械学習研究への多大な関心とかなりの投資にもかかわらず、実際の臨床環境で大規模に展開されるアプリケーションは比較的少ない。 研究は最先端の進歩において重要であるが、翻訳はこれらの技術と技術を最終的に医療に影響を及ぼす位置に持ち込む上でも同様に重要である。 いくつかの考察に対する感謝の欠如が、この期待と現実の相違の大きな原因であると考えている。 研究者や実践者の間での全体論的な視点をよりよく特徴付けるために,臨床展開のためのCMLの開発を商業的に経験した数人の実践者を調査した。 これらの知見を用いて,臨床機械学習アプリケーションの設計・開発における課題のいくつかの主要なカテゴリを特定した。

関連論文リスト

• Demystifying Large Language Models for Medicine: A Primer [50.83806796466396]
  大規模言語モデル(LLM)は、医療のさまざまな側面に革命をもたらすことのできる、変革的なAIツールのクラスである。 本チュートリアルは、LSMを臨床実践に効果的に統合するために必要なツールを医療専門家に提供することを目的としている。
  論文  参考訳（メタデータ） (2024-10-24T15:41:56Z)
• CliMedBench: A Large-Scale Chinese Benchmark for Evaluating Medical Large Language Models in Clinical Scenarios [50.032101237019205]
  CliMedBenchは、14のエキスパートによるコア臨床シナリオを備えた総合的なベンチマークである。 このベンチマークの信頼性はいくつかの点で確認されている。
  論文  参考訳（メタデータ） (2024-10-04T15:15:36Z)
• Large Language Models Struggle in Token-Level Clinical Named Entity Recognition [12.972058180227194]
  大規模言語モデル(LLM)は、様々な分野に革命をもたらした。 名前付きエンティティ認識(NER)は重要な課題であり,臨床テキストから関連情報を抽出する上で重要な役割を担っている。 本研究の目的は,トークンレベルNERにおけるプロプライエタリLLMとローカルLLMの両方の有効性を検討することにより,このギャップを埋めることである。
  論文  参考訳（メタデータ） (2024-06-30T15:38:48Z)
• Guiding Clinical Reasoning with Large Language Models via Knowledge Seeds [32.99251005719732]
  臨床推論(英: Clinical reasoning)とは、医師が患者の評価と管理に用いている認知過程のことである。 本研究では,医学的知識によるLCMの強化を目的とした新しい枠組みであるICP(In-Context Padding)を提案する。
  論文  参考訳（メタデータ） (2024-03-11T10:53:20Z)
• Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
  本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。 この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
  論文  参考訳（メタデータ） (2024-02-16T05:16:20Z)
• ClinicalGPT: Large Language Models Finetuned with Diverse Medical Data and Comprehensive Evaluation [5.690250818139763]
  大規模言語モデルは、様々な自然言語処理(NLP)タスクにおいて例外的な性能を示した。 これらの進歩にもかかわらず、実際の不正確さ、推論能力、現実世界の経験の基盤の欠如など、医学的応用におけるその効果は限られている。 臨床シナリオに対して明示的に設計・最適化された言語モデルである臨床GPTを提案する。
  論文  参考訳（メタデータ） (2023-06-16T16:56:32Z)
• Machine Unlearning: A Survey [56.79152190680552]
  プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。 この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。 この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。 この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
  論文  参考訳（メタデータ） (2023-06-06T10:18:36Z)
• Causal Machine Learning for Healthcare and Precision Medicine [16.846051073534966]
  因果機械学習(CML)は、医療で人気が高まっている。 臨床意思決定支援システムの様々な側面に因果推論を組み込む方法について検討する。
  論文  参考訳（メタデータ） (2022-05-23T15:45:21Z)
• Multi-disciplinary fairness considerations in machine learning for clinical trials [43.00377806138086]
  本研究は, 臨床試験, すなわち, 人体を用いた医療評価研究に焦点をあてる。 本研究の目的は,臨床試験研究と実践の文脈において,機械学習の公平性がどのように適合するかを,複数の学際評価することである。
  論文  参考訳（メタデータ） (2022-05-18T11:59:22Z)
• Machine Learning Applications for Therapeutic Tasks with Genomics Data [49.98249191161107]
  ゲノム学の機械学習応用に関する文献を、治療開発のレンズでレビューします。 治療パイプライン全体にわたるゲノミクス応用における22の機械学習を同定する。 この分野における7つの重要な課題を、拡大と影響の機会として挙げる。
  論文  参考訳（メタデータ） (2021-05-03T21:20:20Z)

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。