論文の概要: Data-Driven Analysis of AI in Medical Device Software in China: Deep Learning and General AI Trends Based on Regulatory Data
- arxiv url: http://arxiv.org/abs/2411.07378v1
- Date: Mon, 11 Nov 2024 21:28:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-13 13:21:39.668421
- Title: Data-Driven Analysis of AI in Medical Device Software in China: Deep Learning and General AI Trends Based on Regulatory Data
- Title（参考訳）: 中国の医療機器ソフトウェアにおけるAIのデータ駆動分析 : 規制データに基づくディープラーニングと汎用AIの動向
- Authors: Yu Han, Aaron Ceross, Sarim Ather, Jeroen H. M. Bergmann,
- Abstract要約: AI可能な医療機器を自動的に抽出し分析するために、データ駆動のアプローチを活用します。
400万以上のエントリが評価され、2,174のMDSW登録が特定された。
AIMDを利用した医療専門分野には、呼吸器(20.5%)、眼科・内分泌学(12.8%)、整形外科(10.3%)がある。
- 参考スコア（独自算出の注目度）: 3.1485639585141114
- License:
- Abstract: Artificial intelligence (AI) in medical device software (MDSW) represents a transformative clinical technology, attracting increasing attention within both the medical community and the regulators. In this study, we leverage a data-driven approach to automatically extract and analyze AI-enabled medical devices (AIMD) from the National Medical Products Administration (NMPA) regulatory database. The continued increase in publicly available regulatory data requires scalable methods for analysis. Automation of regulatory information screening is essential to create reproducible insights that can be quickly updated in an ever changing medical device landscape. More than 4 million entries were assessed, identifying 2,174 MDSW registrations, including 531 standalone applications and 1,643 integrated within medical devices, of which 43 were AI-enabled. It was shown that the leading medical specialties utilizing AIMD include respiratory (20.5%), ophthalmology/endocrinology (12.8%), and orthopedics (10.3%). This approach greatly improves the speed of data extracting providing a greater ability to compare and contrast. This study provides the first extensive, data-driven exploration of AIMD in China, showcasing the potential of automated regulatory data analysis in understanding and advancing the landscape of AI in medical technology.
- Abstract（参考訳）: 医療機器ソフトウェア(MDSW)における人工知能(AI)は変革的な臨床技術であり、医療コミュニティと規制当局の両方で注目を集めている。
本研究では,NMPA(National Medical Products Administration)規制データベースからAIMD(AI対応医療機器)を自動的に抽出し,分析するために,データ駆動型アプローチを活用する。
公開されている規制データの継続的な増加は、分析にスケーラブルな方法を必要とする。
規制情報スクリーニングの自動化は、常に変化する医療機器の状況で素早く更新できる再現可能な洞察を生み出すために不可欠である。
400万以上のエントリが評価され,531のスタンドアロンアプリケーションと1,643の医療機器を含む,2,174のMDSW登録が特定された。
AIMDを利用する主要な医療分野は、呼吸器(20.5%)、眼科・内分泌学(12.8%)、整形外科(10.3%)である。
このアプローチはデータ抽出の速度を大幅に改善し、比較とコントラストの能力を高める。
この研究は、医療技術におけるAIの展望を理解し、前進させる上で、自動化された規制データ分析の可能性を示す、中国におけるAIMDの広範なデータ駆動探査を初めて提供する。
関連論文リスト
- Aligning XAI with EU Regulations for Smart Biomedical Devices: A Methodology for Compliance Analysis [0.7373617024876725]
本研究は、バイオエレクトロニクスにおけるXAI応用とEU規制の厳格な規定の整合における重要なギャップを埋めるものである。
開発者と研究者に実践的なフレームワークを提供し、彼らのAIイノベーションが法的および倫理的基準に準拠していることを保証する。
論文 参考訳（メタデータ） (2024-08-27T14:59:27Z) - GMAI-MMBench: A Comprehensive Multimodal Evaluation Benchmark Towards General Medical AI [67.09501109871351]
LVLM(Large Vision-Language Model)は、画像、テキスト、生理学的信号などの多様なデータタイプを扱うことができる。
GMAI-MMBenchは、よく分類されたデータ構造と、これまででもっとも包括的な一般医療用AIベンチマークである。
38の医療画像モダリティ、18の臨床関連タスク、18の部門、視覚質問回答(VQA)フォーマットの4つの知覚的粒度からなる284のデータセットで構成されている。
論文 参考訳（メタデータ） (2024-08-06T17:59:21Z) - Artificial Intelligence-based Decision Support Systems for Precision and Digital Health [0.49109372384514843]
我々は、AIによって提供される機会、具体的には強化学習から現在のヘルスケアのトレンドまでについて論じる。
我々は適応的な介入の分野に焦点を当てる。
この記事は匿名レビューを受けており、"Frontiers of Statistics and Data Science"の巻の書籍章として意図されている。
論文 参考訳（メタデータ） (2024-07-22T21:39:34Z) - Rapid Review of Generative AI in Smart Medical Applications [3.068678059223457]
生成モデルは、重要なAI技術であり、医療画像生成、データ分析、診断に革命をもたらした。
本稿では、インテリジェント医療機器への応用について検討する。
生成モデルは、医療画像生成、データ分析、診断において非常に有望である。
論文 参考訳（メタデータ） (2024-06-08T03:34:47Z) - 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) - An Explainable AI Framework for Artificial Intelligence of Medical
Things [2.7774194651211217]
我々はカスタムXAIフレームワークを活用し、LIME(Local Interpretable Model-Agnostic Explanations)、SHAP(SHapley Additive ExPlanations)、Grad-Cam(Grad-weighted Class Activation Mapping)といったテクニックを取り入れた。
提案手法は, 戦略的医療手法の有効性を高め, 信頼度を高め, 医療応用の理解を促進することを目的としている。
我々はXAIフレームワークを脳腫瘍検出に応用し,正確かつ透明な診断方法を示した。
論文 参考訳（メタデータ） (2024-03-07T01:08:41Z) - Generative AI-Driven Human Digital Twin in IoT-Healthcare: A Comprehensive Survey [53.691704671844406]
IoT(Internet of Things)は、特にヘルスケアにおいて、人間の生活の質を大幅に向上させる。
ヒトデジタルツイン(HDT)は、個体の複製を包括的に特徴付ける革新的なパラダイムとして提案されている。
HDTは、多用途で生き生きとした人間のデジタルテストベッドとして機能することで、医療監視の応用を超えて、IoTヘルスの強化を図っている。
最近、生成人工知能(GAI)は、高度なAIアルゴリズムを利用して、多種多様なデータを自動的に生成、操作、修正できるため、有望なソリューションである可能性がある。
論文 参考訳（メタデータ） (2024-01-22T03:17:41Z) - HEAR4Health: A blueprint for making computer audition a staple of modern
healthcare [89.8799665638295]
近年、従来の医療システムを変革する試みとして、デジタル医療の研究が急速に増加している。
コンピュータによるオーディションは、少なくとも商業的関心の面では遅れている。
実生活における聴覚信号の分析に必要な基礎技術に対応する聴覚、計算とデータ効率の進歩、個々の差異を考慮し、医療データの長手性を扱う聴覚。
論文 参考訳（メタデータ） (2023-01-25T09:25:08Z) - Robust and Efficient Medical Imaging with Self-Supervision [80.62711706785834]
医用画像AIの堅牢性とデータ効率を向上させるための統一表現学習戦略であるREMEDISを提案する。
様々な医療画像タスクを研究し, 振り返りデータを用いて3つの現実的な応用シナリオをシミュレートする。
論文 参考訳（メタデータ） (2022-05-19T17:34:18Z) - A Methodology for a Scalable, Collaborative, and Resource-Efficient
Platform to Facilitate Healthcare AI Research [0.0]
本稿では,データ取得,データセット開発と分析,AIモデル開発を高速化するシステムを提案する。
このシステムは、1時間に15,000人の患者記録を取り込み、各記録は何千もの測定値、テキストノート、高解像度のデータを表す。
論文 参考訳（メタデータ） (2021-12-13T18:39:10Z) - MedPerf: Open Benchmarking Platform for Medical Artificial Intelligence
using Federated Evaluation [110.31526448744096]
この可能性を解き明かすには、大規模な異種データに対して医療AIモデルの性能を測定する体系的な方法が必要である、と私たちは主張する。
MedPerfは、医療分野で機械学習をベンチマークするためのオープンフレームワークです。
論文 参考訳（メタデータ） (2021-09-29T18:09:41Z)
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。