論文の概要: Applying Artificial Intelligence to Clinical Decision Support in Mental
Health: What Have We Learned?
- arxiv url: http://arxiv.org/abs/2303.03511v1
- Date: Mon, 6 Mar 2023 21:40:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-08 17:11:45.467999
- Title: Applying Artificial Intelligence to Clinical Decision Support in Mental
Health: What Have We Learned?
- Title（参考訳）: メンタルヘルスにおける人工知能の臨床的意思決定支援への応用:我々は何を学んだのか?
- Authors: Grace Golden, Christina Popescu, Sonia Israel, Kelly Perlman, Caitrin
Armstrong, Robert Fratila, Myriam Tanguay-Sela, and David Benrimoh
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Clinical decision support systems (CDSS) augmented with artificial
intelligence (AI) models are emerging as potentially valuable tools in
healthcare. Despite their promise, the development and implementation of these
systems typically encounter several barriers, hindering the potential for
widespread adoption. Here we present a case study of a recently developed
AI-CDSS, Aifred Health, aimed at supporting the selection and management of
treatment in major depressive disorder. We consider both the principles
espoused during development and testing of this AI-CDSS, as well as the
practical solutions developed to facilitate implementation. We also propose
recommendations to consider throughout the building, validation, training, and
implementation process of an AI-CDSS. These recommendations include:
identifying the key problem, selecting the type of machine learning approach
based on this problem, determining the type of data required, determining the
format required for a CDSS to provide clinical utility, gathering physician and
patient feedback, and validating the tool across multiple settings. Finally, we
explore the potential benefits of widespread adoption of these systems, while
balancing these against implementation challenges such as ensuring systems do
not disrupt the clinical workflow, and designing systems in a manner that
engenders trust on the part of end users.
- Abstract（参考訳）: 人工知能(AI)モデルで強化された臨床意思決定支援システム(CDSS)は、医療において潜在的に価値のあるツールとして浮上している。
彼らの約束にもかかわらず、これらのシステムの開発と実装は、一般的にいくつかの障壁に遭遇し、広く採用される可能性を妨げる。
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。
また,AI-CDSSの構築,検証,トレーニング,実施プロセス全体について検討することを提案する。
これらの推奨事項には、鍵となる問題を特定すること、この問題に基づいて機械学習アプローチの種類を選択すること、必要なデータの種類を決定すること、CDSSが臨床ユーティリティを提供するために必要なフォーマットを決定すること、医師と患者のフィードバックを集めること、複数の設定でツールを検証することが含まれる。
最後に,これらのシステムの普及による潜在的なメリットについて検討すると同時に,システムによる臨床ワークフローの中断の防止や,エンドユーザの信頼感を高めるようなシステム設計など,実装上の課題とのバランスをとる。
関連論文リスト
- Artificial intelligence techniques in inherited retinal diseases: A review [19.107474958408847]
遺伝性網膜疾患(英: InheritedRetinal disease、IRD)は、進行性視力低下を引き起こす多様な遺伝性疾患群であり、労働年齢層の視覚障害の主要な原因である。
人工知能(AI)の最近の進歩は、これらの課題に対する有望な解決策を提供する。
このレビューは既存の研究を統合し、ギャップを特定し、IRDの診断と管理におけるAIの可能性の概要を提供する。
論文 参考訳（メタデータ） (2024-10-10T03:14:51Z) - Beyond One-Time Validation: A Framework for Adaptive Validation of Prognostic and Diagnostic AI-based Medical Devices [55.319842359034546]
既存のアプローチは、これらのデバイスを実際にデプロイする際の複雑さに対処するのに不足することが多い。
提示されたフレームワークは、デプロイメント中に検証と微調整を繰り返すことの重要性を強調している。
現在の米国とEUの規制分野に位置づけられている。
論文 参考訳（メタデータ） (2024-09-07T11:13:52Z) - Development of a Large Language Model-based Multi-Agent Clinical Decision Support System for Korean Triage and Acuity Scale (KTAS)-Based Triage and Treatment Planning in Emergency Departments [0.0]
本研究は, 患者トリアージ, 治療計画, 救急管理全般において, LLM駆動型CDSSを用いて, ED医師や看護師を支援することを目的とするものである。
このシステムは、Triage Nuurse、救急医、薬剤師、EDコーディネーターの4つのAIエージェントで構成されている。
トリアージアセスメントにはKTAS(Korea Triage and Acuity Scale)が組み込まれ、医薬品管理にはRxNorm APIが組み込まれている。
論文 参考訳（メタデータ） (2024-08-14T13:03:41Z) - 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) - TrialBench: Multi-Modal Artificial Intelligence-Ready Clinical Trial Datasets [57.067409211231244]
本稿では,マルチモーダルデータ(例えば,薬物分子,疾患コード,テキスト,分類・数値的特徴)と臨床治験設計における8つの重要な予測課題をカバーするAIreadyデータセットを精巧にキュレートした。
データセットのユーザビリティと信頼性を確保するため、各タスクに基本的な検証方法を提供する。
このようなオープンアクセスデータセットが利用可能になることは、臨床試験設計のための高度なAIアプローチの開発を促進することを期待する。
論文 参考訳（メタデータ） (2024-06-30T09:13:10Z) - A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。
重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。
人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
論文 参考訳（メタデータ） (2024-05-21T06:44:40Z) - Testing autonomous vehicles and AI: perspectives and challenges from cybersecurity, transparency, robustness and fairness [53.91018508439669]
この研究は、人工知能を自律走行車(AV)に統合する複雑さを探求する
AIコンポーネントがもたらした課題と、テスト手順への影響を調べます。
本稿は、重要な課題を特定し、AV技術におけるAIの研究・開発に向けた今後の方向性を提案する。
論文 参考訳（メタデータ） (2024-02-21T08:29:42Z) - Neural machine translation of clinical procedure codes for medical diagnosis and uncertainty quantification [1.974814309194804]
医療エントロピーの概念を導入し,ICD-9法に基づくニューラルマシン翻訳によって予測される患者の予後の不確かさを定量化する。
簡単なICD-9コードに基づいて,術式と診断シーケンスの相関が強いことを示す。
また,データ駆動アプローチにより入院時の不確実性の傾向をモデル化する有望な能力を示す。
論文 参考訳（メタデータ） (2024-02-07T20:11:56Z) - Rethinking Human-AI Collaboration in Complex Medical Decision Making: A
Case Study in Sepsis Diagnosis [34.19436164837297]
我々は、最先端のAIアルゴリズムに基づいてSepsisLabを構築し、それを拡張して、セプシス開発の将来予測を予測する。
我々は、SepsisLabがAIによる敗血症診断の将来に向けて有望な人間とAIのコラボレーションパラダイムを実現することを実証した。
論文 参考訳（メタデータ） (2023-09-17T19:19:39Z) - 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) - Moral Decision-Making in Medical Hybrid Intelligent Systems: A Team
Design Patterns Approach to the Bias Mitigation and Data Sharing Design
Problems [0.0]
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。
論文 参考訳（メタデータ） (2021-02-16T17:09:43Z)
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。
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。