論文の概要: Adapting an Artificial Intelligence Sexually Transmitted Diseases Symptom Checker Tool for Mpox Detection: The HeHealth Experience
- arxiv url: http://arxiv.org/abs/2404.16885v1
- Date: Tue, 23 Apr 2024 23:14:30 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-29 15:03:56.081372
- Title: Adapting an Artificial Intelligence Sexually Transmitted Diseases Symptom Checker Tool for Mpox Detection: The HeHealth Experience
- Title（参考訳）: 人工知能による性感染症の症状チェックツールをMpox検出に適用する:健康体験
- Authors: Rayner Kay Jin Tan, Dilruk Perera, Salomi Arasaratnam, Yudara Kularathne,
- Abstract要約: HeHealth.aiは、既存のツールを活用して、性感染症のスクリーニングを行い、AIアプローチを通じてシンプトマティックなMpoxのデジタルスクリーニングテストを開発した。
Mpoxは87%,Mpoxは90%であった。
- 参考スコア（独自算出の注目度）: 1.3499500088995462
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Artificial Intelligence applications have shown promise in the management of pandemics and have been widely used to assist the identification, classification, and diagnosis of medical images. In response to the global outbreak of Monkeypox (Mpox), the HeHealth.ai team leveraged an existing tool to screen for sexually transmitted diseases to develop a digital screening test for symptomatic Mpox through AI approaches. Prior to the global outbreak of Mpox, the team developed a smartphone app, where app users can use their own smartphone cameras to take pictures of their own penises to screen for symptomatic STD. The AI model was initially developed using 5000 cases and use a modified convolutional neural network to output prediction scores across visually diagnosable penis pathologies including Syphilis, Herpes Simplex Virus, and Human Papilloma Virus. From June 2022 to October 2022, a total of about 22,000 users downloaded the HeHealth app, and about 21,000 images have been analyzed using HeHealth AI technology. We then engaged in formative research, stakeholder engagement, rapid consolidation images, a validation study, and implementation of the tool from July 2022. From July 2022 to October 2022, a total of 1000 Mpox related images had been used to train the Mpox symptom checker tool. Our digital symptom checker tool showed accuracy of 87% to rule in Mpox and 90% to rule out symptomatic Mpox. Several hurdles identified included issues of data privacy and security for app users, initial lack of data to train the AI tool, and the potential generalizability of input data. We offer several suggestions to help others get started on similar projects in emergency situations, including engaging a wide range of stakeholders, having a multidisciplinary team, prioritizing pragmatism, as well as the concept that big data in fact is made up of small data.
- Abstract（参考訳）: 人工知能の応用はパンデミックの管理において有望であり、医療画像の識別、分類、診断を支援するために広く利用されている。
Monkeypox(Mpox)の世界的な流行に応えて、HeHealth.aiチームは既存のツールを活用して、性感染症のスクリーニングを行い、AIアプローチを通じて交感神経Mpoxのデジタルスクリーニングテストを開発した。
Mpoxのグローバル展開に先立ち、チームはスマートフォンアプリを開発した。アプリユーザーは自分のスマートフォンカメラを使って自分のペニスの写真を撮り、症状のあるSTDを見ることができる。
AIモデルは最初、5000のケースを使用して開発され、修正された畳み込みニューラルネットワークを使用して、梅毒、単純ヘルペスウイルス、ヒトパピローマウイルスなどの視覚診断可能な陰茎病理の予測スコアを出力した。
2022年6月から2022年10月まで、合計22,000人のユーザーがHeHealthアプリをダウンロードし、約21,000枚の画像がHeHealth AI技術を使って分析されている。
その後,2022年7月からは,形式研究,ステークホルダエンゲージメント,迅速な統合イメージ,検証研究,ツールの実施に従事した。
2022年7月から2022年10月まで、1000枚のMpox関連画像がMpox症状チェッカーの訓練に使用された。
Mpoxは87%,Mpoxは90%であった。
いくつかのハードルとして、アプリのユーザのデータプライバシとセキュリティの問題、AIツールをトレーニングするデータの初期欠如、入力データの潜在的な一般化可能性などが挙げられる。
例えば、幅広い利害関係者の関与、多分野のチームを持つこと、プラグマティズムの優先順位付け、ビッグデータが実際に小さなデータで構成されているという概念などです。
関連論文リスト
- Mpox Screen Lite: AI-Driven On-Device Offline Mpox Screening for Low-Resource African Mpox Emergency Response [0.0]
2024年のMpoxの流行は、特にアフリカで重篤な1bの出現で、資源制限された環境での診断能力に重大なギャップが浮き彫りになっている。
本研究の目的は、低リソース環境でオフラインで動作するように設計されたMpox用のAI駆動オンデバイススクリーニングツールの開発と評価である。
論文 参考訳（メタデータ） (2024-09-05T11:18:34Z) - All-in-one platform for AI R&D in medical imaging, encompassing data
collection, selection, annotation, and pre-processing [0.6291643559814802]
Deep Learningは医療画像研究開発(R&D)を推進しており、AI/MLベースの医療機器の頻繁な臨床利用につながっている。
しかし、AIR&Dを前進させるためには、1) ヨーロッパ/アメリカ、そしてアジアからの10%未満のデータを含む重要なデータ不均衡、2) 世界の人口の60%を占めること、2) 商用利用のためにデータセットをキュレートするために必要な時間と投資の2つの課題が生じる。
そこで我々は,1)データ収集,2)データ選択,3)アノテーション,および4)事前処理などのステップを含む,最初の商用医用イメージングプラットフォームを構築した。
論文 参考訳（メタデータ） (2024-03-10T09:24:53Z) - Med-Flamingo: a Multimodal Medical Few-shot Learner [58.85676013818811]
医療領域に適応したマルチモーダル・数ショット学習者であるMed-Flamingoを提案する。
OpenFlamingo-9Bに基づいて、出版物や教科書からの医療画像テキストデータのペア化とインターリーブ化を継続する。
本研究は,医療用VQA(ジェネレーティブ医療用VQA)の最初の人間評価である。
論文 参考訳（メタデータ） (2023-07-27T20:36:02Z) - A Transfer Learning and Explainable Solution to Detect mpox from
Smartphones images [5.039813366558306]
ムポックス感染症(英語: Mpox infection)は、皮膚の発疹や噴火の出現であり、人々に医療アドバイスを求めるよう促す可能性がある。
皮膚病変の側面に基づいて事前スクリーニングを行うのに役立つ技術は、画像分類に機械学習を使用することである。
本研究では,皮膚病変画像からmpoxを検出するためのDeep Learningの採用について検討する。
論文 参考訳（メタデータ） (2023-05-29T13:14:05Z) - COVID-Net USPro: An Open-Source Explainable Few-Shot Deep Prototypical
Network to Monitor and Detect COVID-19 Infection from Point-of-Care
Ultrasound Images [66.63200823918429]
COVID-Net USProは、最小限の超音波画像から高精度で新型コロナウイルス陽性の患者を監視し、検出する。
ネットワーク全体では99.65%の精度、99.7%のリコール、99.67%の精度で5発の撮影で訓練された。
論文 参考訳（メタデータ） (2023-01-04T16:05:51Z) - Remote Medication Status Prediction for Individuals with Parkinson's
Disease using Time-series Data from Smartphones [75.23250968928578]
本稿では,パーキンソン病患者のmPowerデータセットを用いて薬剤状態を予測する方法を提案する。
提案手法は,3つの薬物状態を客観的に予測する上で有望な結果を示す。
論文 参考訳（メタデータ） (2022-07-26T02:08:08Z) - Image Data collection and implementation of deep learning-based model in
detecting Monkeypox disease using modified VGG16 [0.0]
新たに開発された"Monkeypox2022"データセットを紹介します。
研究1と2の2つの異なる研究を含む改良VGG16モデルを提案し評価する。
検討の結果,サルポックス患者を9.7pm1.8%の精度で同定できることが示唆された。
論文 参考訳（メタデータ） (2022-06-04T00:34:15Z) - A Data-Efficient Deep Learning Based Smartphone Application For
Detection Of Pulmonary Diseases Using Chest X-rays [0.0]
アプリはモバイルカメラから撮影したChest X-Rayイメージを入力し、クラウドプラットフォームのAIアーキテクチャにリレーする。
スマートフォンの医師はこのアプリケーションを利用すれば、新型コロナウイルス(COVID-19)の診断に要する時間を大幅に節約できる。
論文 参考訳（メタデータ） (2020-08-19T04:28:17Z) - Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。
実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
論文 参考訳（メタデータ） (2020-06-05T02:04:25Z) - Digital Ariadne: Citizen Empowerment for Epidemic Control [55.41644538483948]
新型コロナウイルスの危機は、1918年のH1N1パンデミック以来、公衆衛生にとって最も危険な脅威である。
技術支援による位置追跡と接触追跡は、広く採用されれば、感染症の拡散を抑えるのに役立つかもしれない。
個人のデバイス上での自発的な位置情報とBluetoothトラッキングに基づいて、"diAry"や"digital Ariadne"と呼ばれるツールを提示する。
論文 参考訳（メタデータ） (2020-04-16T15:53:42Z) - Mapping the Landscape of Artificial Intelligence Applications against
COVID-19 [59.30734371401316]
世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。
我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
論文 参考訳（メタデータ） (2020-03-25T12:30:33Z)
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。