論文の概要: From Data-Driven to Purpose-Driven Artificial Intelligence: Systems Thinking for Data-Analytic Automation of Patient Care
- arxiv url: http://arxiv.org/abs/2506.13584v2
- Date: Wed, 18 Jun 2025 08:20:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-19 13:10:45.373353
- Title: From Data-Driven to Purpose-Driven Artificial Intelligence: Systems Thinking for Data-Analytic Automation of Patient Care
- Title（参考訳）: データ駆動から目的駆動人工知能:患者のデータ分析自動化を考えるシステム
- Authors: Daniel Anadria, Roel Dobbe, Anastasia Giachanou, Ruurd Kuiper, Richard Bartels, Wouter van Amsterdam, Íñigo Martínez de Rituerto de Troya, Carmen Zürcher, Daniel Oberski,
- Abstract要約: 機械学習のために既存の実世界の患者データセットを再利用することは、モデル開発における最適なアプローチであるとは限らない、と我々は主張する。
我々は,臨床理論と実世界の運用状況の社会技術的現実性に基づく,目的駆動型機械学習パラダイムを提唱する。
- 参考スコア（独自算出の注目度）: 1.1014705176771167
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In this work, we reflect on the data-driven modeling paradigm that is gaining ground in AI-driven automation of patient care. We argue that the repurposing of existing real-world patient datasets for machine learning may not always represent an optimal approach to model development as it could lead to undesirable outcomes in patient care. We reflect on the history of data analysis to explain how the data-driven paradigm rose to popularity, and we envision ways in which systems thinking and clinical domain theory could complement the existing model development approaches in reaching human-centric outcomes. We call for a purpose-driven machine learning paradigm that is grounded in clinical theory and the sociotechnical realities of real-world operational contexts. We argue that understanding the utility of existing patient datasets requires looking in two directions: upstream towards the data generation, and downstream towards the automation objectives. This purpose-driven perspective to AI system development opens up new methodological opportunities and holds promise for AI automation of patient care.
- Abstract（参考訳）: 本稿では,AIによる患者ケアの自動化に根ざした,データ駆動型モデリングパラダイムについて考察する。
機械学習のための既存の実世界の患者データセットの再利用は、必ずしもモデル開発における最適なアプローチであるとは限らない、と我々は主張する。
データ分析の歴史を振り返り、データ駆動パラダイムがいかに普及したかを説明し、システム思考と臨床ドメイン理論が人間中心の結果に到達するための既存のモデル開発アプローチを補完する方法を思い起こさせる。
我々は,臨床理論と実世界の運用状況の社会技術的現実性に基づく,目的駆動型機械学習パラダイムを提唱する。
既存の患者データセットの有用性を理解するには、データ生成に向かって上流に、自動化目標に向かって下流に2つの方向を探す必要がある、と私たちは主張する。
このAIシステム開発に対する目的主導の視点は、新たな方法論的機会を開き、患者ケアのAI自動化を約束する。
関連論文リスト
- Artificial Intelligence for Personalized Prediction of Alzheimer's Disease Progression: A Survey of Methods, Data Challenges, and Future Directions [0.8249694498830561]
Alzheimer's Disease (AD) は、その進行の個人間変異が顕著である。
本総説は,個人化されたAD予後のための臨床関連AIツールの開発における現在の知識の統合と今後の取り組みを導くことを目的としている。
論文 参考訳（メタデータ） (2025-04-29T21:45:28Z) - Advancing Embodied Intelligence in Robotic-Assisted Endovascular Procedures: A Systematic Review of AI Solutions [27.68772584578631]
エボディード・インテリジェンスとロボットシステムの統合は、パラダイムシフトを表している。
データ駆動型アプローチ、高度なコンピュータビジョン、医用画像分析、機械学習技術は、この進化の最前線にある。
知的知覚とデータ駆動制御の最近の進歩とロボット支援手順における実践的応用について論じる。
論文 参考訳（メタデータ） (2025-04-21T13:49:30Z) - Meta-Representational Predictive Coding: Biomimetic Self-Supervised Learning [51.22185316175418]
メタ表現予測符号化(MPC)と呼ばれる新しい予測符号化方式を提案する。
MPCは、並列ストリームにまたがる感覚入力の表現を予測することを学ぶことによって、感覚入力の生成モデルを学ぶ必要性を助長する。
論文 参考訳（メタデータ） (2025-03-22T22:13:14Z) - 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) - Shifting Attention to You: Personalized Brain-Inspired AI Models [3.0128071072792366]
人間の行動洞察とミリ秒スケールのニューラルネットワークを微調整CLIPベースモデルに統合することで、修正されていないCLIPベースラインと比較して、行動性能が2倍になることを示す。
我々の研究は、適応型AIシステムを設計するための、新しい解釈可能なフレームワークを確立し、神経科学、パーソナライズドメディカル、人間とコンピュータの相互作用に幅広い意味を持つ。
論文 参考訳（メタデータ） (2025-02-07T04:55:31Z) - Data Analysis in the Era of Generative AI [56.44807642944589]
本稿では,AIを活用したデータ分析ツールの可能性について考察する。
我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。
次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
論文 参考訳（メタデータ） (2024-09-27T06:31:03Z) - AIDE: An Automatic Data Engine for Object Detection in Autonomous Driving [68.73885845181242]
本稿では,問題を自動的に識別し,データを効率よくキュレートし,自動ラベル付けによりモデルを改善する自動データエンジン(AIDE)を提案する。
さらに,AVデータセットのオープンワールド検出のためのベンチマークを構築し,様々な学習パラダイムを包括的に評価し,提案手法の優れた性能を低コストで実証する。
論文 参考訳（メタデータ） (2024-03-26T04:27:56Z) - JRDB-Traj: A Dataset and Benchmark for Trajectory Forecasting in Crowds [79.00975648564483]
ロボット工学、自動運転車、ナビゲーションなどの分野で使用される軌道予測モデルは、現実のシナリオにおいて課題に直面している。
このデータセットは、ロボットの観点から、すべてのエージェント、シーンイメージ、ポイントクラウドの位置を含む包括的なデータを提供する。
本研究の目的は,ロボットに対するエージェントの将来の位置を,生の感覚入力データを用いて予測することである。
論文 参考訳（メタデータ） (2023-11-05T18:59:31Z) - Safe AI for health and beyond -- Monitoring to transform a health
service [51.8524501805308]
機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。
モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
論文 参考訳（メタデータ） (2023-03-02T17:27:45Z) - Planning for Learning Object Properties [117.27898922118946]
我々は、物体特性を象徴的な計画問題として認識するために、ニューラルネットワークを自動的に訓練する問題を定式化する。
トレーニングデータセット作成と学習プロセスを自動化するための戦略を作成するために,計画手法を使用します。
シミュレーションと実環境の両方で実験的な評価を行う。
論文 参考訳（メタデータ） (2023-01-15T09:37:55Z) - Graph representation forecasting of patient's medical conditions:
towards a digital twin [0.0]
複数組織におけるACE2過剰発現が心血管機能に及ぼす影響について検討した。
本稿では,分子データを用いた大規模な構成可能な臨床モデルの統合という概念の実証を行う。
論文 参考訳（メタデータ） (2020-09-17T13:49:48Z)
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。