Fugu-MT 論文翻訳(概要): AI for Regulatory Affairs: Balancing Accuracy, Interpretability, and Computational Cost in Medical Device Classification

論文の概要: AI for Regulatory Affairs: Balancing Accuracy, Interpretability, and Computational Cost in Medical Device Classification

arxiv url: http://arxiv.org/abs/2505.18695v1
Date: Sat, 24 May 2025 13:41:20 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-27 16:58:42.598056
Title: AI for Regulatory Affairs: Balancing Accuracy, Interpretability, and Computational Cost in Medical Device Classification
Title（参考訳）: AI for Regulatory Affairs:医療機器分類における精度、解釈可能性、計算コストのバランス
Authors: Yu Han, Aaron Ceross, Jeroen H. M. Bergmann,
Abstract要約: 医療機器記述の規制データセットを用いて,幅広いAIモデルについて検討する。それぞれのモデルを,精度,解釈可能性,計算コストの3つの重要な次元に沿って評価する。
参考スコア（独自算出の注目度）: 3.439579933384111
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Regulatory affairs, which sits at the intersection of medicine and law, can benefit significantly from AI-enabled automation. Classification task is the initial step in which manufacturers position their products to regulatory authorities, and it plays a critical role in determining market access, regulatory scrutiny, and ultimately, patient safety. In this study, we investigate a broad range of AI models -- including traditional machine learning (ML) algorithms, deep learning architectures, and large language models -- using a regulatory dataset of medical device descriptions. We evaluate each model along three key dimensions: accuracy, interpretability, and computational cost.
Abstract（参考訳）: 医療と法律の交差点に位置する規制は、AIによる自動化によって大きな恩恵を受けることができる。分類タスクは、メーカーが商品を規制当局に位置づける最初のステップであり、市場アクセス、規制の精査、そして最終的には患者の安全を決定する上で重要な役割を果たす。本研究では、医療機器記述の規制データセットを用いて、従来の機械学習(ML)アルゴリズム、ディープラーニングアーキテクチャ、大規模言語モデルを含む幅広いAIモデルを調査する。それぞれのモデルを,精度,解釈可能性,計算コストの3つの重要な次元に沿って評価する。

関連論文リスト

Towards a perturbation-based explanation for medical AI as differentiable programs [0.0]
医学や医療では、AIモデルが生み出す結果の十分かつ客観的な説明可能性に対して、特に要求がある。本研究では,入力に加わった小さな摂動に対するモデル応答を安定に測定する,ディープラーニングモデルのヤコビ行列の数値的可用性について検討する。これは摂動に基づく説明への第一歩であり、臨床応用におけるAIモデルの反応を理解し解釈する医療実践者を支援する。
論文参考訳（メタデータ） (2025-02-19T07:56:23Z)
Demystifying Large Language Models for Medicine: A Primer [50.83806796466396]
大規模言語モデル(LLM)は、医療のさまざまな側面に革命をもたらすことのできる、変革的なAIツールのクラスである。本チュートリアルは、LSMを臨床実践に効果的に統合するために必要なツールを医療専門家に提供することを目的としている。
論文参考訳（メタデータ） (2024-10-24T15:41:56Z)
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)
Selecting Interpretability Techniques for Healthcare Machine Learning models [69.65384453064829]
医療では、いくつかの意思決定シナリオにおいて、医療専門家を支援するために解釈可能なアルゴリズムを採用することが追求されている。本稿では, ポストホックとモデルベースという8つのアルゴリズムを概説する。
論文参考訳（メタデータ） (2024-06-14T17:49:04Z)
The Foundations of Computational Management: A Systematic Approach to Task Automation for the Integration of Artificial Intelligence into Existing Workflows [55.2480439325792]
本稿では,タスク自動化の体系的アプローチである計算管理を紹介する。この記事では、ワークフロー内でAIを実装するプロセスを開始するための、ステップバイステップの手順を3つ紹介する。
論文参考訳（メタデータ） (2024-02-07T01:45:14Z)
PMC-LLaMA: Towards Building Open-source Language Models for Medicine [62.39105735933138]
大規模言語モデル(LLM)は、自然言語理解において顕著な能力を示した。 LLMは、ドメイン固有の知識が不足しているため、医学的応用のような正確性を必要とする領域で苦労している。 PMC-LLaMAと呼ばれる医療応用に特化した強力なオープンソース言語モデルの構築手順について述べる。
論文参考訳（メタデータ） (2023-04-27T18:29:05Z)
Validation of artificial intelligence containing products across the regulated healthcare industries [0.0]
規制分野への人工知能/機械学習(AI/ML)製品の導入は、新たな規制問題を引き起こす。共通用語と理解の欠如は、混乱、遅延、製品失敗につながる。製品開発における重要なステップとしてのバリデーションは、人々とプロセスの整合性を比較する機会を提供する。
論文参考訳（メタデータ） (2023-02-13T14:03:36Z)
The Medkit-Learn(ing) Environment: Medical Decision Modelling through Simulation [81.72197368690031]
医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。 Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
論文参考訳（メタデータ） (2021-06-08T10:38:09Z)
Towards Fairness Certification in Artificial Intelligence [31.920661197618195]
我々は,AIフェアネス認証に必要な運用手順を定義するための最初の共同作業を提案する。我々は、オフィシャルサービスに入る前にAIシステムが満たすべき基準と、公正な判断のためにその機能を監視するのに役立つ適合性評価手順を概観する。
論文参考訳（メタデータ） (2021-06-04T14:12:12Z)
Active learning for medical code assignment [55.99831806138029]
臨床領域における多ラベルテキスト分類におけるアクティブラーニング(AL)の有効性を示す。 MIMIC-IIIデータセットにICD-9コードを自動的に割り当てるために、よく知られたALメソッドのセットを適用します。その結果、有益なインスタンスの選択は、大幅に減少したトレーニングセットで満足のいく分類を提供する。
論文参考訳（メタデータ） (2021-04-12T18:11:17Z)
OnRAMP for Regulating AI in Medical Products [0.0]
この視点は、規制パッケージの生産と互換性のある開発のためのベストプラクティスガイドラインを提案する。これらのガイドラインにより、共通の機械学習プラクティスの開発において、すべての関係者がより明確にコミュニケーションできるようになります。
論文参考訳（メタデータ） (2020-10-09T14:02:30Z)

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。