Fugu-MT 論文翻訳(概要): Evaluating the Economic Implications of Using Machine Learning in Clinical Psychiatry

論文の概要: Evaluating the Economic Implications of Using Machine Learning in Clinical Psychiatry

arxiv url: http://arxiv.org/abs/2411.05856v1
Date: Thu, 07 Nov 2024 01:57:06 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-12 14:13:03.827679
Title: Evaluating the Economic Implications of Using Machine Learning in Clinical Psychiatry
Title（参考訳）: 臨床精神医学における機械学習の経済的意義の評価
Authors: Soaad Hossain, James Rasalingam, Arhum Waheed, Fatah Awil, Rachel Kandiah, Syed Ishtiaque Ahmed,
Abstract要約: 臨床精神医学における機械学習の利用に関する経済的な側面に関する文献はほとんどない。本研究は,臨床精神医学におけるMLの経済的意義について検討した。
参考スコア（独自算出の注目度）: 11.702884575434002
License:
Abstract: With the growing interest in using AI and machine learning (ML) in medicine, there is an increasing number of literature covering the application and ethics of using AI and ML in areas of medicine such as clinical psychiatry. The problem is that there is little literature covering the economic aspects associated with using ML in clinical psychiatry. This study addresses this gap by specifically studying the economic implications of using ML in clinical psychiatry. In this paper, we evaluate the economic implications of using ML in clinical psychiatry through using three problem-oriented case studies, literature on economics, socioeconomic and medical AI, and two types of health economic evaluations. In addition, we provide details on fairness, legal, ethics and other considerations for ML in clinical psychiatry.
Abstract（参考訳）: 医学におけるAIと機械学習(ML)の使用に対する関心が高まっており、臨床精神医学などの医学分野におけるAIとMLの利用の応用と倫理に関する文献が増えている。問題は、臨床精神医学におけるMLの使用に関する経済的な側面をカバーする文献がほとんど存在しないことである。本研究は、臨床精神医学におけるMLの経済的意義を特に研究することによって、このギャップに対処する。本稿では,3つの問題指向のケーススタディ,経済学,社会経済・医療AI,および2種類の健康経済評価を用いて,臨床精神医学におけるMLの経済的意義を評価する。さらに、臨床精神医学におけるMLの公平性、法的、倫理的、その他の考慮事項について詳述する。

関連論文リスト

Causal machine learning for predicting treatment outcomes [75.13093479526151]
Causal Machine Learning (ML)は、治療結果を予測するフレキシブルでデータ駆動の方法を提供する。因果MLの主な利点は、個別化された治療効果を推定できることである。
論文参考訳（メタデータ） (2024-10-11T12:39:08Z)
Quantifying AI Psychology: A Psychometrics Benchmark for Large Language Models [57.518784855080334]
大きな言語モデル(LLM)は例外的なタスク解決能力を示しており、人間に似た役割を担っている。本稿では,LLMにおける心理学的次元を調査するための枠組みとして,心理学的識別,評価データセットのキュレーション,結果検証による評価について述べる。本研究では,個性,価値観,感情,心の理論,モチベーション,知性の6つの心理学的側面を網羅した総合的心理測定ベンチマークを導入する。
論文参考訳（メタデータ） (2024-06-25T16:09:08Z)
MedKP: Medical Dialogue with Knowledge Enhancement and Clinical Pathway Encoding [48.348511646407026]
本稿では,知識向上と臨床パスウェイ符号化フレームワークを用いた医療対話について紹介する。このフレームワークは、医療知識グラフを介して外部知識増強モジュールと、医療機関および医師の行動を介して、内部臨床経路をコードする。
論文参考訳（メタデータ） (2024-03-11T10:57:45Z)
Guiding Clinical Reasoning with Large Language Models via Knowledge Seeds [32.99251005719732]
臨床推論(英: Clinical reasoning)とは、医師が患者の評価と管理に用いている認知過程のことである。本研究では,医学的知識によるLCMの強化を目的とした新しい枠組みであるICP(In-Context Padding)を提案する。
論文参考訳（メタデータ） (2024-03-11T10:53:20Z)
Large Language Model for Mental Health: A Systematic Review [2.9429776664692526]
大規模言語モデル(LLM)は、デジタルヘルスの潜在的な応用に対して大きな注目を集めている。この体系的なレビューは、早期スクリーニング、デジタル介入、臨床応用におけるその強みと限界に焦点を当てている。
論文参考訳（メタデータ） (2024-02-19T17:58:41Z)
Exploring the Frontiers of LLMs in Psychological Applications: A Comprehensive Review [4.147674289030404]
大規模言語モデル(LLM)は、人間の認知と行動の側面をシミュレートする可能性がある。 LLMは、文献レビュー、仮説生成、実験的なデザイン、実験的な主題、データ分析、学術的な執筆、心理学におけるピアレビューのための革新的なツールを提供する。データプライバシ、心理的研究にLLMを使うことの倫理的意味、モデルの制限をより深く理解する必要がある、といった問題があります。
論文参考訳（メタデータ） (2024-01-03T03:01:29Z)
Artificial Intelligence for Dementia Research Methods Optimization [0.49050354212898845]
本稿では,認知症研究において最も頻繁に使用される機械学習アルゴリズムの概要を紹介する。本稿では, 再現性と解釈可能性の問題と, 認知症研究の臨床的応用性への影響について論じる。本稿では, 伝達学習, マルチタスク学習, 強化学習といった最先端の手法が, これらの課題を克服するためにどのように応用されるかを示す。
論文参考訳（メタデータ） (2023-03-02T08:50:25Z)
Detecting Shortcut Learning for Fair Medical AI using Shortcut Testing [62.9062883851246]
機械学習は医療の改善に大いに貢献するが、その利用が健康格差を広めたり増幅したりしないことを確実にすることは重要である。アルゴリズムの不公平性の潜在的な要因の1つ、ショートカット学習は、トレーニングデータにおける不適切な相関に基づいてMLモデルが予測した時に発生する。マルチタスク学習を用いて,臨床MLシステムの公平性評価の一環として,ショートカット学習の評価と緩和を行う手法を提案する。
論文参考訳（メタデータ） (2022-07-21T09:35:38Z)
Use of machine learning in geriatric clinical care for chronic diseases: a systematic literature review [0.0]
この体系的な文献レビューの目的は、慢性疾患の老年医療におけるAIシステム、特に機械学習(ML)の現在の利用を理解することである。我々は,慢性疾患のある高齢者のケアにMLアルゴリズムを用いた研究に焦点をあてた。このレビューでは、標準化されたML評価指標の欠如と、医療アプリケーションに特化したデータガバナンスの必要性が明らかになった。
論文参考訳（メタデータ） (2021-10-30T10:11:14Z)
VBridge: Connecting the Dots Between Features, Explanations, and Data for Healthcare Models [85.4333256782337]
VBridgeは、臨床医の意思決定ワークフローに機械学習の説明をシームレスに組み込むビジュアル分析ツールである。我々は,臨床医がMLの特徴に慣れていないこと,文脈情報の欠如,コホートレベルの証拠の必要性など,3つの重要な課題を特定した。症例スタディと専門医4名のインタビューを通じて, VBridgeの有効性を実証した。
論文参考訳（メタデータ） (2021-08-04T17:34:13Z)
Machine Learning Applications for Therapeutic Tasks with Genomics Data [49.98249191161107]
ゲノム学の機械学習応用に関する文献を、治療開発のレンズでレビューします。治療パイプライン全体にわたるゲノミクス応用における22の機械学習を同定する。この分野における7つの重要な課題を、拡大と影響の機会として挙げる。
論文参考訳（メタデータ） (2021-05-03T21:20:20Z)

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。