論文の概要: Challenges of Testing an Evolving Cancer Registration Support System in
Practice
- arxiv url: http://arxiv.org/abs/2308.13306v1
- Date: Fri, 25 Aug 2023 11:09:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 12:36:02.625587
- Title: Challenges of Testing an Evolving Cancer Registration Support System in
Practice
- Title（参考訳）: がん登録支援システムの実用化に向けた課題
- Authors: Christoph Laaber, Tao Yue, Shaukat Ali, Thomas Schwitalla, Jan F.
Nyg{\aa}rd
- Abstract要約: ノルウェーがん登録 (CRN) は、がん患者のデータ履歴を収集・収集する公共機関である。
近年,人間による手作業による意思決定を強化するために,機械学習アルゴリズムが導入されている。
システムが正確で堅牢であり、プライバシー上の懸念に反しないことを保証するため、自動テストソリューションが開発されている。
- 参考スコア（独自算出の注目度）: 6.1763166094495645
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Cancer Registry of Norway (CRN) is a public body responsible for
capturing and curating cancer patient data histories to provide a unified
access to research data and statistics for doctors, patients, and policymakers.
For this purpose, CRN develops and operates a complex, constantly-evolving, and
socio-technical software system. Recently, machine learning (ML) algorithms
have been introduced into this system to augment the manual decisions made by
humans with automated decision support from learned models. To ensure that the
system is correct and robust and cancer patients' data are properly handled and
do not violate privacy concerns, automated testing solutions are being
developed. In this paper, we share the challenges that we identified when
developing automated testing solutions at CRN. Such testing potentially impacts
the quality of cancer data for years to come, which is also used by the
system's stakeholders to make critical decisions. The challenges identified are
not specific to CRN but are also valid in the context of other healthcare
registries. We also provide some details on initial solutions that we are
investigating to solve the identified challenges.
- Abstract（参考訳）: ノルウェーがん登録 (CRN) は、医師、患者、および政策立案者のための研究データと統計データへの統一的なアクセスを提供するために、がん患者のデータ履歴を収集し、管理する公共団体である。
この目的のために、CRNは複雑で絶え間なく進化し、社会技術的ソフトウェアシステムを開発し、運用している。
近年,機械学習(ML)アルゴリズムが導入され,学習モデルから自動決定支援を行う人間による手作業による決定が強化されている。
システムを正確かつ堅牢にするために、がん患者のデータは適切に処理され、プライバシー上の懸念に反しないよう、自動テストソリューションが開発されている。
本稿では,CRNで自動テストソリューションを開発する際の課題について紹介する。
このようなテストは、今後何年も癌データの品質に影響を与える可能性がある。
特定された課題は、CRNに固有のものではなく、他のヘルスケアレジストリの文脈でも有効である。
我々はまた、特定された課題を解決するために調査している初期ソリューションについて、いくつかの詳細を提供する。
関連論文リスト
- 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) - On Responsible Machine Learning Datasets with Fairness, Privacy, and Regulatory Norms [56.119374302685934]
AI技術の信頼性に関する深刻な懸念があった。
機械学習とディープラーニングのアルゴリズムは、開発に使用されるデータに大きく依存する。
本稿では,責任あるルーブリックを用いてデータセットを評価するフレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-24T14:01:53Z) - Balancing Privacy and Progress in Artificial Intelligence: Anonymization
in Histopathology for Biomedical Research and Education [1.8078387709049526]
医療データを“可能な限りオープン”に転送することは、患者のプライバシにリスクをもたらす。
既存の規制は、再識別リスクを避けるため、医療データを「必要に応じてクローズド」し続けるよう推進している。
本稿では,医療データ共有に関する法的規制と用語について考察する。
論文 参考訳（メタデータ） (2023-07-18T16:53:07Z) - RECAP-KG: Mining Knowledge Graphs from Raw GP Notes for Remote COVID-19
Assessment in Primary Care [45.43645878061283]
本稿では,患者相談の前後に書かれた生のGP医療ノートから知識グラフ構築を行うフレームワークを提案する。
私たちの知識グラフには、既存の患者の症状、その持続時間、重症度に関する情報が含まれています。
本フレームワークを英国における新型コロナウイルス患者の相談ノートに適用する。
論文 参考訳（メタデータ） (2023-06-17T23:35:51Z) - Safe AI for health and beyond -- Monitoring to transform a health
service [51.8524501805308]
機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。
モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
論文 参考訳（メタデータ） (2023-03-02T17:27:45Z) - Human-Centric Multimodal Machine Learning: Recent Advances and Testbed
on AI-based Recruitment [66.91538273487379]
人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。
i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。
異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
論文 参考訳（メタデータ） (2023-02-13T16:44:44Z) - Neural Networks for Infectious Diseases Detection: Prospects and
Challenges [5.246191964736366]
大量の生データを有用な医療判断に変換する人工知能ニューラルネットワーク(ANN)が、その人気を高めている。
本稿では,ANNが患者の医療決定と効率的な疾患診断に有意義な洞察を与える上で重要な役割について概説する。
論文 参考訳（メタデータ） (2021-12-07T08:47:49Z) - Distributed Learning Approaches for Automated Chest X-Ray Diagnosis [0.0]
医療機関のコンソーシアムが特定の疾患を特定するために機械学習モデルをトレーニングする必要がある場合、プライバシー問題に対処する戦略に焦点を当てる。
特に,本分析では,クライアントデータにおけるデータ分散の違いが,機関間のデータ交換頻度に与える影響について検討した。
論文 参考訳（メタデータ） (2021-10-04T14:22:29Z) - Detecting Spurious Correlations with Sanity Tests for Artificial
Intelligence Guided Radiology Systems [22.249702822013045]
放射線学におけるAIの展開における重要な要素は、開発システムの有効性と安全性への信頼を得ることである。
現在のゴールド標準アプローチは、一般化データセットのパフォーマンスの分析検証を行うことである。
間違った理由から,システムが開発データに対して良好に動作するかどうかを特定するための,一連の健全性テストについて述べる。
論文 参考訳（メタデータ） (2021-03-04T14:14:05Z) - Hemogram Data as a Tool for Decision-making in COVID-19 Management:
Applications to Resource Scarcity Scenarios [62.997667081978825]
新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。
本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。
提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
論文 参考訳（メタデータ） (2020-05-10T01:45:03Z) - Bias in Multimodal AI: Testbed for Fair Automatic Recruitment [73.85525896663371]
異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
我々は、性別や人種の偏りを意識的に評価したマルチモーダルな合成プロファイルを用いて、自動求人アルゴリズムを訓練する。
我々の方法論と結果は、一般により公平なAIベースのツール、特により公平な自動採用システムを生成する方法を示している。
論文 参考訳（メタデータ） (2020-04-15T15:58:05Z)
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。