論文の概要: Themed Challenges to Solve Data Scarcity in Africa: A Proposition for Increasing Local Data Collection and Integration

• arxiv url: http://arxiv.org/abs/2508.00925v1
• Date: Wed, 30 Jul 2025 11:42:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 14:37:50.083744
• Title: Themed Challenges to Solve Data Scarcity in Africa: A Proposition for Increasing Local Data Collection and Integration
• Title（参考訳）: アフリカにおけるデータスカシティの解決に向けた課題--ローカルデータ収集と統合の促進をめざして
• Authors: Mubaraq Yakubu, Udunna Anazodo, Maruf Adewole, Theodore Barfoot, Tiarna Lee, Tom Vercauteren, Jonathan Shapey, Andrew King, Alexander Hammers,
• Abstract要約: 本稿では,アフリカの医療におけるデータ不足に対処する枠組みを提案する。 このフレームワークは、大陸の医療提供者に対して、ローカルソースの医療画像データセットの作成、キュレート、共有を奨励する包括的な戦略を提供する。
• 参考スコア（独自算出の注目度）: 36.38899377085541
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In Africa, the scarcity of computational resources and medical datasets remains a major hurdle to the development and deployment of artificial intelligence (AI) tools in clinical settings, further contributing to global bias. These limitations hinder the full realization of AI's potential and present serious challenges to advancing healthcare across the region. This paper proposes a framework aimed at addressing data scarcity in African healthcare. The framework presents a comprehensive strategy to encourage healthcare providers across the continent to create, curate, and share locally sourced medical imaging datasets. By organizing themed challenges that promote participation, accurate and relevant datasets can be generated within the African healthcare community. This approach seeks to overcome existing dataset limitations, paving the way for a more inclusive and impactful AI ecosystem that is specifically tailored to Africa's healthcare needs.
• Abstract（参考訳）: アフリカでは、計算資源と医療データセットの不足が、臨床環境における人工知能(AI)ツールの開発と展開の大きなハードルであり、さらに世界的な偏見に寄与している。 これらの制限は、AIの可能性の完全な実現を妨げ、地域全体で医療を推進するための深刻な課題を提示する。 本稿では,アフリカの医療におけるデータ不足に対処する枠組みを提案する。 このフレームワークは、大陸の医療提供者に対して、ローカルソースの医療画像データセットの作成、キュレート、共有を奨励する包括的な戦略を提供する。 参加を促進するためのテーマ化された課題を組織することで、正確で関連するデータセットをアフリカの医療コミュニティ内で生成することができる。 このアプローチは、既存のデータセットの制限を克服し、アフリカの医療ニーズに合わせて、より包括的で影響力のあるAIエコシステムへの道を開くことを目指している。

関連論文リスト

• A Large-Scale Vision-Language Dataset Derived from Open Scientific Literature to Advance Biomedical Generalist AI [70.06771291117965]
  PubMed Central Open Accessサブセットから派生したオープンソースのデータセットであるBiomedicaを紹介する。 Biomedicaには600万以上の科学論文と2400万の画像テキストペアが含まれている。 私たちは、Webサーバを通じてスケーラブルなストリーミングと検索APIを提供し、AIシステムとのシームレスな統合を容易にします。
  論文  参考訳（メタデータ） (2025-03-26T05:56:46Z)
• Towards Privacy-aware Mental Health AI Models: Advances, Challenges, and Opportunities [61.633126163190724]
  精神病は、社会的、個人的コストがかなり高い広範囲で不安定な状態である。 近年の人工知能(AI)の進歩は、うつ病、不安障害、双極性障害、統合失調症、外傷後ストレス障害などの病態を認識し、対処するための大きな可能性を秘めている。 データセットやトレーニング済みモデルからの機密データ漏洩のリスクを含むプライバシー上の懸念は、これらのAIシステムを実際の臨床環境にデプロイする上で、依然として重要な障壁である。
  論文  参考訳（メタデータ） (2025-02-01T15:10:02Z)
• Datasheets for Healthcare AI: A Framework for Transparency and Bias Mitigation [0.0]
  トレーニングデータセットにおけるバイアス、データ不完全性、不正確性は、不公平な結果をもたらし、既存の格差を増幅する。 透明性を促進し,規制要件との整合性を確保するためのデータセットドキュメンテーションフレームワークを提案する。 この発見は、責任あるAI開発を促進する上で、データセットドキュメンテーションの重要性を強調している。
  論文  参考訳（メタデータ） (2025-01-09T23:36:34Z)
• Asymmetrical Reciprocity-based Federated Learning for Resolving Disparities in Medical Diagnosis [68.06621490069428]
  地理的な健康格差は、特に低所得国と中所得国の未保存地域において、世界的課題となっている。 我々は、地理的な健康格差を緩和し、未保存地域の診断能力を増強することを目的とした、新しいクロスサイロ・フェデレーション学習フレームワークであるFedHelpを提案する。
  論文  参考訳（メタデータ） (2024-12-27T13:59:58Z)
• Democratizing AI in Africa: FL for Low-Resource Edge Devices [0.39012109608386886]
  アフリカは、限られたインフラと先進的な医療技術へのアクセスのために、医療提供において重大な課題に直面している。 本研究は、周産期健康に焦点をあて、これらの障壁を克服するための連合学習の利用について検討する。 アフリカ5カ国(アルジェリア、ガーナ、エジプト、マラウイ、ウガンダ)の周産期データとスペインの病院のデータを用いて胎児平面分類器を訓練した。
  論文  参考訳（メタデータ） (2024-08-30T11:46:39Z)
• Artificial Intelligence for Public Health Surveillance in Africa: Applications and Opportunities [0.0]
  本稿では、大陸の公衆衛生監視におけるAIの適用について検討する。 我々の論文は、AIが病気のモニタリングと健康状態を改善する可能性を強調している。 アフリカの公衆衛生システムにAIが広く採用されるには、大きな障壁が指摘されている。
  論文  参考訳（メタデータ） (2024-08-05T15:48:51Z)
• 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)
• What We Know So Far: Artificial Intelligence in African Healthcare [0.0]
  医療に応用される人工知能(AI)は、アフリカの医療を変革する可能性がある。 本稿では、AIアルゴリズムを用いて診断、治療、疾病モニタリングを改善する方法について、現状を概説する。 持続可能なAIソリューションを作成するためには、政府、民間セクター、医療提供者、国際機関による協調的な努力が必要である。
  論文  参考訳（メタデータ） (2023-05-10T19:27:40Z)
• The Design and Implementation of a National AI Platform for Public Healthcare in Italy: Implications for Semantics and Interoperability [62.997667081978825]
  イタリア国立衛生局は、その技術機関を通じて人工知能を採用している。 このような広大なプログラムには、知識領域の形式化に特別な注意が必要である。 AIが患者、開業医、健康システムに与える影響について疑問が投げかけられている。
  論文  参考訳（メタデータ） (2023-04-24T08:00:02Z)
• A Conceptual Algorithm for Applying Ethical Principles of AI to Medical Practice [5.005928809654619]
  AIを利用するツールは、複数のドメインにまたがる専門家レベルのパフォーマンスに、ますます一致するか、超えている。 これらのシステムは、人口、人種、社会経済の境界を越えたケア提供の格差を減らすことを約束している。 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。
  論文  参考訳（メタデータ） (2023-04-23T04:14:18Z)
• COVI White Paper [67.04578448931741]
  接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。 カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
  論文  参考訳（メタデータ） (2020-05-18T07:40:49Z)

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。