論文の概要: The Collaborations among Healthcare Systems, Research Institutions, and Industry on Artificial Intelligence Research and Development

• arxiv url: http://arxiv.org/abs/2509.00068v1
• Date: Tue, 26 Aug 2025 12:04:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.046888
• Title: The Collaborations among Healthcare Systems, Research Institutions, and Industry on Artificial Intelligence Research and Development
• Title（参考訳）: 医療システム・研究機関・産業の連携と人工知能研究・開発
• Authors: Jiancheng Ye, Michelle Ma, Malak Abuhashish,
• Abstract要約: 医療における人工知能の統合は、患者のケア、診断、治療プロトコルに革命をもたらすことを約束する。 この研究は、AIヘルスケアイニシアチブにおける協調的ネットワークと利害関係者を特徴づけることを目的としている。
• 参考スコア（独自算出の注目度）: 3.3505351631804046
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Objectives: The integration of Artificial Intelligence (AI) in healthcare promises to revolutionize patient care, diagnostics, and treatment protocols. Collaborative efforts among healthcare systems, research institutions, and industry are pivotal to leveraging AI's full potential. This study aims to characterize collaborative networks and stakeholders in AI healthcare initiatives, identify challenges and opportunities within these collaborations, and elucidate priorities for future AI research and development. Methods: This study utilized data from the Chinese Society of Radiology and the Chinese Medical Imaging AI Innovation Alliance. A national cross-sectional survey was conducted in China (N = 5,142) across 31 provincial administrative regions, involving participants from three key groups: clinicians, institution professionals, and industry representatives. The survey explored diverse aspects including current AI usage in healthcare, collaboration dynamics, challenges encountered, and research and development priorities. Results: Findings reveal high interest in AI among clinicians, with a significant gap between interest and actual engagement in development activities. Despite the willingness to share data, progress is hindered by concerns about data privacy and security, and lack of clear industry standards and legal guidelines. Future development interests focus on lesion screening, disease diagnosis, and enhancing clinical workflows. Conclusion: This study highlights an enthusiastic yet cautious approach toward AI in healthcare, characterized by significant barriers that impede effective collaboration and implementation. Recommendations emphasize the need for AI-specific education and training, secure data-sharing frameworks, establishment of clear industry standards, and formation of dedicated AI research departments.
• Abstract（参考訳）: 目的: 医療における人工知能(AI)の統合は、患者のケア、診断、治療プロトコルに革命をもたらすことを約束する。 医療システム、研究機関、産業間の協力的努力は、AIの潜在能力を最大限活用するために重要である。 この研究は、AIヘルスケアイニシアチブにおける協調ネットワークと利害関係者を特徴づけ、これらのコラボレーションにおける課題と機会を特定し、将来のAI研究と開発のための優先順位を明らかにすることを目的としている。 方法:本研究は,中国放射線学会と中国医用画像AIイノベーションアライアンスのデータを活用した。 中国における全国横断調査(N=5,142)は、31の地方行政区にまたがって行われ、主な3つのグループ(臨床医、機関専門家、産業代表者)の参加者が参加した。 調査では、現在の医療におけるAIの使用状況、コラボレーションのダイナミクス、遭遇した課題、研究と開発の優先順位など、さまざまな側面について調査した。 結果: 臨床医の間でAIに対する関心が高いことが判明し, 開発活動における関心と実際の関与との間に大きなギャップが生じた。 データを共有する意思があるにもかかわらず、データプライバシとセキュリティに関する懸念や、明確な業界標準と法的ガイドラインの欠如によって、進捗が妨げられている。 今後の開発関心は、病変スクリーニング、疾患診断、臨床ワークフローの強化に焦点が当てられる。 結論: この研究は、医療におけるAIに対する熱心だが慎重なアプローチを強調しており、効果的なコラボレーションと実装を妨げる重要な障壁が特徴である。 勧告では、AI固有の教育とトレーニング、セキュアなデータ共有フレームワーク、明確な業界標準の確立、専用のAI研究部門の形成の必要性を強調している。

関連論文リスト

• A Comprehensive Review of Datasets for Clinical Mental Health AI Systems [55.67299586253951]
  本稿では,AIを活用した臨床アシスタントの訓練・開発に関連する臨床精神保健データセットの総合的調査を行う。 本調査では, 縦断データの欠如, 文化・言語表現の制限, 一貫性のない収集・注釈基準, 合成データのモダリティの欠如など, 重要なギャップを明らかにした。
  論文  参考訳（メタデータ） (2025-08-13T13:42:35Z)
• From Screens to Scenes: A Survey of Embodied AI in Healthcare [31.183244202702983]
  医療におけるEmAI」は、アルゴリズム、ロボティクス、バイオメディシンといった多様な分野にまたがる。 医療のためのEmAIの"脳"の概要を包括的に紹介し、認識、アクティベーション、計画、記憶のためのAIアルゴリズムを紹介します。 我々は、技術的な障壁を議論し、倫理的考察を探求し、医療におけるEmAIの将来を前方視する。
  論文  参考訳（メタデータ） (2025-01-13T16:35:52Z)
• Ethical Challenges and Evolving Strategies in the Integration of Artificial Intelligence into Clinical Practice [1.0301404234578682]
  我々は、正義と公正、透明性、患者の同意と機密性、説明責任、患者中心で公平なケアの5つの重要な倫理的関心事に焦点を当てる。 この論文は、患者の信頼を維持する上でのバイアス、透明性の欠如、そして課題が、医療におけるAIアプリケーションの有効性と公正性を損なう可能性があるかを考察する。
  論文  参考訳（メタデータ） (2024-11-18T00:52:22Z)
• SoK: Security and Privacy Risks of Healthcare AI [15.655956766190256]
  人工知能(AI)と機械学習(ML)を医療システムに統合することは、患者のケアを強化する大きな約束である。 しかし、機密データやシステムの完全性も、サイバー攻撃の可能性を秘めている。 ヘルスケアAIに関する現在のセキュリティとプライバシ(S&P)の研究は、ヘルスケアの展開シナリオと脅威モデルに関して非常に不均衡である。
  論文  参考訳（メタデータ） (2024-09-11T16:59:58Z)
• AI-Driven Healthcare: A Review on Ensuring Fairness and Mitigating Bias [4.9325218275489515]
  本稿では、医療におけるAIの統合について検討し、バイアスに関連する重要な課題と緩和戦略について述べる。 公平な医療提供を確保するためには、多様なデータセット、公平性に配慮したアルゴリズム、規制フレームワークの必要性を強調します。 論文は、今後の研究への推奨、学際的アプローチの提唱、AI意思決定における透明性、革新的で包括的なAIアプリケーションの開発で締めくくっている。
  論文  参考訳（メタデータ） (2024-07-29T02:39:17Z)
• FUTURE-AI: International consensus guideline for trustworthy and deployable artificial intelligence in healthcare [73.78776682247187]
  医療AIに関連する技術的、臨床的、倫理的、法的リスクに関する懸念が高まっている。 この研究は、Future-AIガイドラインを、医療における信頼できるAIツールの開発とデプロイを導くための最初の国際コンセンサスフレームワークとして説明している。
  論文  参考訳（メタデータ） (2023-08-11T10:49:05Z)
• Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
  AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。 AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
  論文  参考訳（メタデータ） (2021-01-15T10:43:10Z)

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。