論文の概要: Risk of AI in Healthcare: A Comprehensive Literature Review and Study
Framework
- arxiv url: http://arxiv.org/abs/2309.14530v1
- Date: Mon, 25 Sep 2023 21:09:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-27 15:46:20.911998
- Title: Risk of AI in Healthcare: A Comprehensive Literature Review and Study
Framework
- Title(参考訳): 医療におけるAIのリスク: 総合的な文献レビューと研究フレームワーク
- Authors: Apoorva Muley, Prathamesh Muzumdar, George Kurian, and Ganga Prasad
Basyal
- Abstract要約: 本研究は,医療分野におけるAIリスクに着目した研究の流れを網羅的に検討し,その分野の異なるジャンルを探求することを目的とする。
臨床データリスク、技術的リスク、社会倫理リスクの3つの主要なAIリスクを識別するために、39の論文を慎重に分析するために選択基準が採用された。
- 参考スコア(独自算出の注目度): 0.5130062125323206
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study conducts a thorough examination of the research stream focusing on
AI risks in healthcare, aiming to explore the distinct genres within this
domain. A selection criterion was employed to carefully analyze 39 articles to
identify three primary genres of AI risks prevalent in healthcare: clinical
data risks, technical risks, and socio-ethical risks. Selection criteria was
based on journal ranking and impact factor. The research seeks to provide a
valuable resource for future healthcare researchers, furnishing them with a
comprehensive understanding of the complex challenges posed by AI
implementation in healthcare settings. By categorizing and elucidating these
genres, the study aims to facilitate the development of empirical qualitative
and quantitative research, fostering evidence-based approaches to address
AI-related risks in healthcare effectively. This endeavor contributes to
building a robust knowledge base that can inform the formulation of risk
mitigation strategies, ensuring safe and efficient integration of AI
technologies in healthcare practices. Thus, it is important to study AI risks
in healthcare to build better and efficient AI systems and mitigate risks.
- Abstract(参考訳): 本研究は,医療分野におけるAIリスクに着目した研究の流れを網羅的に検討し,その分野の異なるジャンルを探求することを目的とする。
臨床データリスク、技術的リスク、社会倫理リスクの3つの主要なAIリスクを識別するために、39の論文を慎重に分析するために選択基準が採用された。
選考基準は雑誌のランキングとインパクトファクターに基づいていた。
この研究は、将来のヘルスケア研究者に貴重なリソースを提供し、医療環境におけるAIの実装によって引き起こされる複雑な課題を包括的に理解することを目指している。
この研究は、これらのジャンルを分類し、解明することにより、実証的な質的、定量的研究の発展を促進し、医療におけるAI関連のリスクに効果的に対処するためのエビデンスベースのアプローチを促進することを目的としている。
この取り組みは、リスク軽減戦略の定式化を通知し、医療実践におけるAIテクノロジの安全かつ効率的な統合を保証する、堅牢な知識基盤の構築に寄与する。
したがって、より良い効率的なAIシステムを構築し、リスクを軽減するために、医療におけるAIリスクを研究することが重要である。
関連論文リスト
- Prioritizing Safeguarding Over Autonomy: Risks of LLM Agents for Science [67.38554763406098]
大規模言語モデル(LLM)を利用したインテリジェントエージェントは、自律的な実験を行い、様々な分野にわたる科学的発見を促進する上で、大きな可能性を証明している。
彼らの能力は有望だが、安全を慎重に考慮する必要がある新たな脆弱性も導入している。
本稿では,科学領域におけるLSMをベースとしたエージェントの脆弱性の徹底的な調査を行い,その誤用に伴う潜在的なリスクに光を当て,安全性対策の必要性を強調した。
論文 参考訳(メタデータ) (2024-02-06T18:54:07Z) - Feasibility of Identifying Factors Related to Alzheimer's Disease and
Related Dementia in Real-World Data [56.7069469207376]
537例から10項目で477の危険因子を抽出した。
AD/ADRDの遺伝子検査は、まだ一般的ではなく、構造化EHRと非構造化EHRの両方で文書化されていない。
AD/ADRDリスクファクタに関する継続的な研究を考えると、NLP法による文献マイニングは、私たちの知識マップを自動的に更新するソリューションを提供する。
論文 参考訳(メタデータ) (2024-02-03T18:17:19Z) - Investigating Responsible AI for Scientific Research: An Empirical Study [4.597781832707524]
このような機関におけるResponsible AI(RAI)の推進は、AI設計と開発に倫理的配慮を統合することの重要性の高まりを強調している。
本稿では,AI設計・開発に内在する倫理的リスクに対する意識と準備性を評価することを目的とする。
その結果、倫理的、責任的、包括的AIに関する知識ギャップが明らかとなり、利用可能なAI倫理フレームワークに対する認識が制限された。
論文 参考訳(メタデータ) (2023-12-15T06:40:27Z) - AI in Supply Chain Risk Assessment: A Systematic Literature Review and
Bibliometric Analysis [0.0]
サプライチェーンリスクアセスメント(SCRA)は、人工知能(AI)と機械学習(ML)技術を統合することで、大きな進化を目撃している。
以前のレビューでは確立した方法論を概説しているが、新たなAI/ML技術を見落としている。
本稿では,総合的な文献分析と体系的な文献レビューを行う。
論文 参考訳(メタデータ) (2023-12-12T17:47:51Z) - Control Risk for Potential Misuse of Artificial Intelligence in Science [85.91232985405554]
我々は、科学におけるAI誤用の危険性の認識を高めることを目的としている。
化学科学における誤用の実例を取り上げる。
我々は、科学におけるAIモデルの誤用リスクを制御するSciGuardというシステムを提案する。
論文 参考訳(メタデータ) (2023-12-11T18:50:57Z) - Towards Possibilities & Impossibilities of AI-generated Text Detection:
A Survey [97.33926242130732]
大規模言語モデル(LLM)は、自然言語処理(NLP)の領域に革命をもたらし、人間のようなテキスト応答を生成する能力を持つ。
これらの進歩にもかかわらず、既存の文献のいくつかは、LLMの潜在的な誤用について深刻な懸念を提起している。
これらの懸念に対処するために、研究コミュニティのコンセンサスは、AI生成テキストを検出するアルゴリズムソリューションを開発することである。
論文 参考訳(メタデータ) (2023-10-23T18:11:32Z) - Informing clinical assessment by contextualizing post-hoc explanations
of risk prediction models in type-2 diabetes [50.8044927215346]
本研究は, 合併症リスク予測のシナリオを考察し, 患者の臨床状態に関する文脈に焦点を当てる。
我々は、リスク予測モデル推論に関する文脈を提示し、その受容性を評価するために、最先端のLLMをいくつか採用する。
本論文は,実世界における臨床症例における文脈説明の有効性と有用性を明らかにする最初のエンドツーエンド分析の1つである。
論文 参考訳(メタデータ) (2023-02-11T18:07:11Z) - The Role of AI in Drug Discovery: Challenges, Opportunities, and
Strategies [97.5153823429076]
この分野でのAIのメリット、課題、欠点についてレビューする。
データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
論文 参考訳(メタデータ) (2022-12-08T23:23:39Z) - Quantitative AI Risk Assessments: Opportunities and Challenges [9.262092738841979]
AIベースのシステムは、組織、個人、社会に価値を提供するために、ますます活用されている。
リスクは、提案された規制、訴訟、および一般的な社会的懸念につながった。
本稿では,定量的AIリスクアセスメントの概念について考察する。
論文 参考訳(メタデータ) (2022-09-13T21:47:25Z) - Achievements and Challenges in Explaining Deep Learning based
Computer-Aided Diagnosis Systems [4.9449660544238085]
我々は、既知の疾患基準の検証のための説明可能なAIの開発における初期の成果について論じる。
我々は、臨床意思決定支援ツールとしてのAIの実践的応用の道に立つ、残る課題をいくつか強調する。
論文 参考訳(メタデータ) (2020-11-26T08:08:19Z)
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。