Fugu-MT 論文翻訳(概要): Active Informed Consent to Boost the Application of Machine Learning in Medicine

論文の概要: Active Informed Consent to Boost the Application of Machine Learning in Medicine

arxiv url: http://arxiv.org/abs/2210.08987v1
Date: Tue, 27 Sep 2022 10:24:08 GMT
ステータス: 処理完了
システム内更新日: 2022-10-23 20:52:45.133690
Title: Active Informed Consent to Boost the Application of Machine Learning in Medicine
Title（参考訳）: 医療における機械学習の活用を促進するアクティブインフォームドコンセント
Authors: Marco Gerardi, Katarzyna Barud, Marie-Catherine Wagner, Nikolaus Forgo, Francesca Fallucchi, Noemi Scarpato, Fiorella Guadagni, Fabio Massimo Zanzotto
Abstract要約: 精密医療に応用された機械学習は崖の端にある。我々は、機械学習のための大量のデータ収集を促進するために、新しいハイブリッド法-技術ツールとしてActive Informed Consent(AIC)を提案する。
参考スコア（独自算出の注目度）: 0.11726720776908521
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Machine Learning may push research in precision medicine to unprecedented heights. To succeed, machine learning needs a large amount of data, often including personal data. Therefore, machine learning applied to precision medicine is on a cliff edge: if it does not learn to fly, it will deeply fall down. In this paper, we present Active Informed Consent (AIC) as a novel hybrid legal-technological tool to foster the gathering of a large amount of data for machine learning. We carefully analyzed the compliance of this technological tool to the legal intricacies protecting the privacy of European Citizens.
Abstract（参考訳）: 機械学習は、精密医学の研究を前例のない高みに押し上げるかもしれない。機械学習を成功させるためには、個人データを含む大量のデータが必要である。そのため、精密医療に応用された機械学習は崖の端にあり、飛行を学ばなければ深く落ちてしまう。本稿では,機械学習のための大量のデータの収集を促進するための新しいハイブリッド法・技術ツールとして,アクティブインフォームドコンセント(aic)を提案する。我々は、この技術ツールの欧州市民のプライバシーを守る法的複雑さに対するコンプライアンスを慎重に分析した。

関連論文リスト

A Declarative Query Language for Scientific Machine Learning [0.0]
我々は,ナイーブユーザのための新しい宣言型機械学習クエリ言語であるem MQLを紹介した。本稿では,MQLを用いた2つの材料科学実験について論じる。
論文参考訳（メタデータ） (2024-05-25T09:58:33Z)
Machine Learning for Leaf Disease Classification: Data, Techniques and Applications [14.73818032506552]
近年、機械学習は、学術研究と産業応用の両方において葉病分類に採用されている。この研究は、データ、技術、アプリケーションを含むトピックのさまざまな側面に関する調査を提供する。
論文参考訳（メタデータ） (2023-10-19T06:21:21Z)
Surgical tool classification and localization: results and methods from the MICCAI 2022 SurgToolLoc challenge [69.91670788430162]
SurgLoc 2022 チャレンジの結果を示す。目標は、ツール検出のためにトレーニングされた機械学習モデルにおいて、ツールの存在データを弱いラベルとして活用することだった。これらの結果を機械学習と手術データ科学の幅広い文脈で論じることで結論付ける。
論文参考訳（メタデータ） (2023-05-11T21:44:39Z)
Introduction to Machine Learning for Physicians: A Survival Guide for Data Deluge [9.152759278163954]
現代の研究分野は、大規模な、しばしば構造化されていない、不安定なデータセットの収集と分析にますます依存している。このデータルージュを活用できる機械学習や人工知能アプリケーションへの関心が高まっている。この幅広い非技術的概要は、医学的および生物学的応用に特に焦点をあてた、機械学習への穏やかな紹介を提供する。
論文参考訳（メタデータ） (2022-12-23T13:08:59Z)
Deep Active Learning for Computer Vision: Past and Future [50.19394935978135]
AIモデルの開発に欠かせない役割にもかかわらず、アクティブラーニングの研究は他の研究の方向性ほど集中的ではない。データ自動化の課題に対処し、自動化された機械学習システムに対処することによって、アクティブな学習はAI技術の民主化を促進する。
論文参考訳（メタデータ） (2022-11-27T13:07:14Z)
AutoPrognosis 2.0: Democratizing Diagnostic and Prognostic Modeling in Healthcare with Automated Machine Learning [72.2614468437919]
本稿では,診断・予後モデルを開発するための機械学習フレームワークAutoPrognosis 2.0を提案する。我々は,英国バイオバンクを用いた糖尿病の予後リスクスコアを構築するための図解的アプリケーションを提供する。我々のリスクスコアはWebベースの意思決定支援ツールとして実装されており、世界中の患者や臨床医がアクセスできる。
論文参考訳（メタデータ） (2022-10-21T16:31:46Z)
A Survey of Machine Unlearning [56.017968863854186]
最近の規制では、要求に応じて、ユーザに関する個人情報をコンピュータシステムから削除する必要がある。 MLモデルは古いデータをよく記憶します。機械学習に関する最近の研究は、この問題を完全に解決することはできなかった。
論文参考訳（メタデータ） (2022-09-06T08:51:53Z)
Collaborative Machine Learning-Driven Internet of Medical Things -- A Systematic Literature Review [0.0]
医療におけるIoTデバイスの採用の増加により、研究者はこれらのデバイスによって生成されたすべてのデータを使用して、インテリジェンスを構築することが可能になった。健康のモニタリングと診断は、そのようなデバイスが有益であることが証明された2つの最も一般的なシナリオである。高い予測精度を達成することが最初は最優先事項であったが、焦点は徐々に効率と高いスループットにシフトしている。
論文参考訳（メタデータ） (2022-07-13T12:28:17Z)
Ten Quick Tips for Deep Learning in Biology [116.78436313026478]
機械学習は、データのパターンを認識し、予測モデリングに使用するアルゴリズムの開発と応用に関係している。ディープラーニングは、独自の機械学習のサブフィールドになっている。生物学的研究の文脈において、ディープラーニングは高次元の生物学的データから新しい洞察を導き出すためにますます使われてきた。
論文参考訳（メタデータ） (2021-05-29T21:02:44Z)
Synthetic Data: Opening the data floodgates to enable faster, more directed development of machine learning methods [96.92041573661407]
機械学習における画期的な進歩の多くは、大量のリッチデータを利用できることに起因する。多くの大規模データセットは、医療データなど高度に敏感であり、機械学習コミュニティでは広く利用できない。プライバシー保証で合成データを生成することは、そのようなソリューションを提供します。
論文参考訳（メタデータ） (2020-12-08T17:26:10Z)

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。