論文の概要: Nteasee: A mixed methods study of expert and general population perspectives on deploying AI for health in African countries

• arxiv url: http://arxiv.org/abs/2409.12197v2
• Date: Tue, 15 Oct 2024 19:01:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-17 13:40:26.122261
• Title: Nteasee: A mixed methods study of expert and general population perspectives on deploying AI for health in African countries
• Title（参考訳）: Nteasee: アフリカ諸国におけるAI導入に関する専門家と一般住民の視点の混合手法に関する研究
• Authors: Mercy Nyamewaa Asiedu, Iskandar Haykel, Awa Dieng, Kerrie Kauer, Tousif Ahmed, Florence Ofori, Charisma Chan, Stephen Pfohl, Negar Rostamzadeh, Katherine Heller,
• Abstract要約: 我々は、アフリカでAIを健康にデプロイする際に、ベストプラクティス、公正度指標、潜在的なバイアスを緩和するための質的研究を行う。 詳細な面接(IDI)と調査を組み合わせた混合手法を用いる。 アフリカ5カ国672人の一般住民を対象に, 盲目30分間のアンケート調査を行った。
• 参考スコア（独自算出の注目度）: 5.554587779732823
• License:
• Abstract: Artificial Intelligence (AI) for health has the potential to significantly change and improve healthcare. However in most African countries, identifying culturally and contextually attuned approaches for deploying these solutions is not well understood. To bridge this gap, we conduct a qualitative study to investigate the best practices, fairness indicators, and potential biases to mitigate when deploying AI for health in African countries, as well as explore opportunities where artificial intelligence could make a positive impact in health. We used a mixed methods approach combining in-depth interviews (IDIs) and surveys. We conduct 1.5-2 hour long IDIs with 50 experts in health, policy, and AI across 17 countries, and through an inductive approach we conduct a qualitative thematic analysis on expert IDI responses. We administer a blinded 30-minute survey with case studies to 672 general population participants across 5 countries in Africa and analyze responses on quantitative scales, statistically comparing responses by country, age, gender, and level of familiarity with AI. We thematically summarize open-ended responses from surveys. Our results find generally positive attitudes, high levels of trust, accompanied by moderate levels of concern among general population participants for AI usage for health in Africa. This contrasts with expert responses, where major themes revolved around trust/mistrust, ethical concerns, and systemic barriers to integration, among others. This work presents the first-of-its-kind qualitative research study of the potential of AI for health in Africa from an algorithmic fairness angle, with perspectives from both experts and the general population. We hope that this work guides policymakers and drives home the need for further research and the inclusion of general population perspectives in decision-making around AI usage.
• Abstract（参考訳）: 健康のための人工知能(AI)は、医療を大きく変え改善する可能性がある。 しかし、ほとんどのアフリカ諸国では、これらのソリューションを展開するための文化的、文脈的に直感的なアプローチがよく理解されていない。 このギャップを埋めるために、アフリカの国々でAIを医療に展開する際のベストプラクティス、公正度指標、潜在的なバイアスについて質的研究を行い、人工知能が健康にポジティブな影響を与える機会を探る。 詳細なインタビュー(IDI)と調査を組み合わせた混合手法を用いた。 我々は、健康、政策、AIの専門家50名による1.5～2時間のIDIを行い、帰納的アプローチを通じて、専門家のIDI反応に関する質的なセマンティック分析を行う。 アフリカ5か国672人の一般住民を対象に、盲目の30分間の調査を行い、定量的尺度による回答を分析し、国別、年齢別、性別別、AIとの親しみ度を統計的に比較した。 調査からのオープンエンドの回答を数学的に要約する。 以上の結果から, アフリカにおけるAI活用に対する一般住民の関心度は, 概して肯定的な態度, 高い信頼度, 適度な関心度が認められた。 これは専門家の反応とは対照的で、信頼/不信、倫理的懸念、統合に対するシステム的障壁などを中心に主要なテーマが展開されている。 この研究は、アルゴリズム的公正な角度からアフリカにおける健康のためのAIの可能性について、専門家と一般大衆の両方から見地からの最初の質的研究である。 この研究が政策立案者をガイドし、さらなる研究の必要性と、AI利用に関する意思決定における一般大衆の視点を含めることを願っている。

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)
• Particip-AI: A Democratic Surveying Framework for Anticipating Future AI Use Cases, Harms and Benefits [54.648819983899614]
  汎用AIは、一般大衆がAIを使用してそのパワーを利用するための障壁を下げたようだ。 本稿では,AI利用事例とその影響を推測し,評価するためのフレームワークであるPartICIP-AIを紹介する。
  論文  参考訳（メタデータ） (2024-03-21T19:12:37Z)
• The Case for Globalizing Fairness: A Mixed Methods Study on Colonialism, AI, and Health in Africa [16.7528939567041]
  我々は,アフリカにおける公平性を考慮した不均質の軸を提案するために,スコーピングレビューを実施している。 次に,一般人口調査参加者672名と,ML,健康,政策の専門家28名と質的研究を行った。 我々の分析は、関心の属性として植民地主義に焦点を当て、人工知能(AI)、健康、植民地主義の相互作用を調べる。
  論文  参考訳（メタデータ） (2024-03-05T22:54:15Z)
• 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)
• Ensuring Trustworthy Medical Artificial Intelligence through Ethical and Philosophical Principles [4.705984758887425]
  AIベースのコンピュータ支援診断と治療ツールは、臨床レベルを合わせるか、あるいは臨床専門家を上回ることで、医療を民主化することができる。 このようなAIツールの民主化は、ケアコストを削減し、リソース割り当てを最適化し、ケアの質を向上させる。 AIをヘルスケアに統合することは、バイアス、透明性、自律性、責任、説明責任など、いくつかの倫理的および哲学的な懸念を提起する。
  論文  参考訳（メタデータ） (2023-04-23T04:14:18Z)
• 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)
• What Do End-Users Really Want? Investigation of Human-Centered XAI for Mobile Health Apps [69.53730499849023]
  説明可能なAI(XAI)を評価するために,ユーザ中心のペルソナ概念を提案する。 分析の結果,ユーザの人口統計や性格,説明のタイプ,影響説明の嗜好が示された。 私たちの洞察は、対話的で人間中心のXAIを実践的な応用に近づけます。
  論文  参考訳（メタデータ） (2022-10-07T12:51:27Z)
• Metaethical Perspectives on 'Benchmarking' AI Ethics [81.65697003067841]
  ベンチマークは、人工知能(AI)研究の技術的進歩を測定するための基盤とみられている。 AIの顕著な研究領域は倫理であり、現在、ベンチマークのセットも、AIシステムの「倫理性」を測定する一般的な方法もない。 我々は、現在と将来のAIシステムのアクションを考えるとき、倫理よりも「価値」について話す方が理にかなっていると論じる。
  論文  参考訳（メタデータ） (2022-04-11T14:36:39Z)
• Towards a Science of Human-AI Decision Making: A Survey of Empirical Studies [22.214709837295906]
  AI支援による人間の意思決定を強化する研究コミュニティへの関心が高まっている。 人間-AI意思決定の新たな分野は、人間がAIとどのように相互作用し、どのように働くかに関する基礎的な理解を形成するための経験的アプローチを取り入れなければならない。
  論文  参考訳（メタデータ） (2021-12-21T19:00:02Z)
• Effect of Confidence and Explanation on Accuracy and Trust Calibration in AI-Assisted Decision Making [53.62514158534574]
  ケース固有のモデル情報を明らかにする特徴が、信頼度を調整し、人間とAIのジョイントパフォーマンスを向上させることができるかどうかを検討する。 信頼スコアは、AIモデルに対する人々の信頼を校正するのに役立ちますが、信頼の校正だけでは、AI支援による意思決定を改善するには不十分です。
  論文  参考訳（メタデータ） (2020-01-07T15:33:48Z)

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。