論文の概要: Organizational Governance of Emerging Technologies: AI Adoption in Healthcare

• arxiv url: http://arxiv.org/abs/2304.13081v2
• Date: Wed, 10 May 2023 20:27:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-12 17:32:07.882289
• Title: Organizational Governance of Emerging Technologies: AI Adoption in Healthcare
• Title（参考訳）: 新興技術の組織的ガバナンス - 医療におけるAI導入
• Authors: Jee Young Kim, William Boag, Freya Gulamali, Alifia Hasan, Henry David Jeffry Hogg, Mark Lifson, Deirdre Mulligan, Manesh Patel, Inioluwa Deborah Raji, Ajai Sehgal, Keo Shaw, Danny Tobey, Alexandra Valladares, David Vidal, Suresh Balu, Mark Sendak
• Abstract要約: Health AI Partnershipは、医療設定におけるAIシステムの適切な組織的ガバナンスの要件をより適切に定義することを目的としている。 これは、米国の医療システムによるAI導入に関わる、現在のガバナンス構造とプロセスに関する、最も詳細な定性的な分析の1つである。 これらの発見が、医療における新興テクノロジーの安全で効果的で責任ある採用を促進する能力を構築するための将来の取り組みを知らせてくれることを期待している。
• 参考スコア（独自算出の注目度）: 43.02293389682218
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Private and public sector structures and norms refine how emerging technology is used in practice. In healthcare, despite a proliferation of AI adoption, the organizational governance surrounding its use and integration is often poorly understood. What the Health AI Partnership (HAIP) aims to do in this research is to better define the requirements for adequate organizational governance of AI systems in healthcare settings and support health system leaders to make more informed decisions around AI adoption. To work towards this understanding, we first identify how the standards for the AI adoption in healthcare may be designed to be used easily and efficiently. Then, we map out the precise decision points involved in the practical institutional adoption of AI technology within specific health systems. Practically, we achieve this through a multi-organizational collaboration with leaders from major health systems across the United States and key informants from related fields. Working with the consultancy IDEO [dot] org, we were able to conduct usability-testing sessions with healthcare and AI ethics professionals. Usability analysis revealed a prototype structured around mock key decision points that align with how organizational leaders approach technology adoption. Concurrently, we conducted semi-structured interviews with 89 professionals in healthcare and other relevant fields. Using a modified grounded theory approach, we were able to identify 8 key decision points and comprehensive procedures throughout the AI adoption lifecycle. This is one of the most detailed qualitative analyses to date of the current governance structures and processes involved in AI adoption by health systems in the United States. We hope these findings can inform future efforts to build capabilities to promote the safe, effective, and responsible adoption of emerging technologies in healthcare.
• Abstract（参考訳）: 民間および公共セクターの構造と規範は、新しい技術が実際にどのように使われているかを洗練している。 医療分野では、AIの採用が急増しているにもかかわらず、その利用と統合を取り巻く組織ガバナンスはしばしば理解されていない。 この研究でHealth AI Partnership(HAIP)が目指すのは、医療設定におけるAIシステムの適切な組織的ガバナンスの要件をより適切に定義し、ヘルスシステムリーダを支援して、AIの採用に関するより詳細な決定を行うことだ。 この理解に向けて、私たちはまず、医療におけるAI採用の標準をどのように設計して、簡単かつ効率的に使用できるかを特定する。 次に、特定医療システムにおけるAI技術の実践的導入に関わる、正確な決定ポイントを図示する。 実際に、米国の主要医療機関のリーダーと関連する分野の重要情報提供者との複数組織的なコラボレーションを通じて、これを達成します。 コンサルタントのIDEO [dot] orgを使って、医療やAI倫理の専門家とユーザビリティテストのセッションを実行しました。 ユーザビリティ分析では、組織リーダが技術導入にアプローチする方法に合わせて、モックの重要な決定ポイントを中心に構成されたプロトタイプが明らかになった。 同時に,医療関連分野の専門家89人と半構造化インタビューを行った。 修正された基盤理論アプローチを使用して、AI導入ライフサイクルを通じて8つの重要な決定ポイントと包括的な手順を特定できた。 これは、米国の医療システムによるAI導入に関わる、現在のガバナンス構造とプロセスに関する、最も詳細な定性的な分析の1つである。 これらの発見が、医療における新興テクノロジーの安全で効果的で責任ある採用を促進する能力を構築するための将来の取り組みを知らせてくれることを期待している。

関連論文リスト

• 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)
• 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)
• The Design and Implementation of a National AI Platform for Public Healthcare in Italy: Implications for Semantics and Interoperability [62.997667081978825]
  イタリア国立衛生局は、その技術機関を通じて人工知能を採用している。 このような広大なプログラムには、知識領域の形式化に特別な注意が必要である。 AIが患者、開業医、健康システムに与える影響について疑問が投げかけられている。
  論文  参考訳（メタデータ） (2023-04-24T08:00:02Z)
• Information Governance as a Socio-Technical Process in the Development of Trustworthy Healthcare AI [0.0]
  情報ガバナンス(IG)プロセスは、個人機密データの使用を管理する。 データ共有の法的な基礎は、患者のケアを提供するためにのみ明確である。 IGの作業は設計ライフサイクルの初期段階で開始され,今後も継続される可能性が高い。
  論文  参考訳（メタデータ） (2023-01-04T10:21:46Z)
• Holding AI to Account: Challenges for the Delivery of Trustworthy AI in Healthcare [8.351355707564153]
  我々は、信頼できるAIの問題を検証し、これを実現することが実際に何を意味するのかを探る。 ここでは、人々が社会技術的設定においてAIを推論し、信頼する方法において、組織的説明責任が果たす重要な部分を見落としている、と論じる。
  論文  参考訳（メタデータ） (2022-11-29T18:22:23Z)
• MedPerf: Open Benchmarking Platform for Medical Artificial Intelligence using Federated Evaluation [110.31526448744096]
  この可能性を解き明かすには、大規模な異種データに対して医療AIモデルの性能を測定する体系的な方法が必要である、と私たちは主張する。 MedPerfは、医療分野で機械学習をベンチマークするためのオープンフレームワークです。
  論文  参考訳（メタデータ） (2021-09-29T18:09:41Z)
• An interdisciplinary conceptual study of Artificial Intelligence (AI) for helping benefit-risk assessment practices: Towards a comprehensive qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
  本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。 目的は、AIシステムを評価するための共有概念や相違点を特定することである。
  論文  参考訳（メタデータ） (2021-05-07T12:01:31Z)
• Towards a framework for evaluating the safety, acceptability and efficacy of AI systems for health: an initial synthesis [0.2936007114555107]
  医療用AIシステムの安全性、受容性、有効性を評価するための最小限の枠組みを構築することを目指しています。 これを行うには、Scoopus、PubMed、Google Scholarで体系的な検索を行います。 その結果、医療用AIシステムの十分な評価を通じて、AIシステム開発者、政策立案者、規制当局を導くためのフレームワークです。
  論文  参考訳（メタデータ） (2021-04-14T15:00:39Z)
• Toward Trustworthy AI Development: Mechanisms for Supporting Verifiable Claims [59.64274607533249]
  AI開発者は、責任を負うことのできる検証可能な主張をする必要がある。 このレポートは、さまざまな利害関係者がAIシステムに関するクレームの妥当性を改善するための様々なステップを示唆している。 我々は、この目的のための10のメカニズム、すなわち、組織、ソフトウェア、ハードウェアを分析し、それらのメカニズムの実装、探索、改善を目的とした推奨を行う。
  論文  参考訳（メタデータ） (2020-04-15T17:15:35Z)

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。