論文の概要: Enhancing Transparency and Traceability in Healthcare AI: The AI Product Passport
- arxiv url: http://arxiv.org/abs/2512.13702v1
- Date: Thu, 04 Dec 2025 08:35:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-21 14:22:08.754892
- Title: Enhancing Transparency and Traceability in Healthcare AI: The AI Product Passport
- Title（参考訳）: ヘルスケアAIにおける透明性とトレーサビリティの強化 - AIプロダクトのパスポート
- Authors: A. Anil Sinaci, Senan Postaci, Dogukan Cavdaroglu, Machteld J. Boonstra, Okan Mercan, Kerem Yilmaz, Gokce B. Laleci Erturkmen, Folkert W. Asselbergs, Karim Lekadir,
- Abstract要約: AI Product Passportは、心不全AIツールに焦点を当てたAI4HFプロジェクト内で開発された。
我々は、メタデータをキャプチャするリレーショナルデータモデルを設計するために、規制フレームワーク(EU AI Act, FDAガイドライン)と既存の標準を分析した。
オープンソースのプラットフォームは、自動証明追跡のためにPythonライブラリで実装されている。
- 参考スコア（独自算出の注目度）: 0.8341070049162322
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Objective: To develop the AI Product Passport, a standards-based framework improving transparency, traceability, and compliance in healthcare AI via lifecycle-based documentation. Materials and Methods: The AI Product Passport was developed within the AI4HF project, focusing on heart failure AI tools. We analyzed regulatory frameworks (EU AI Act, FDA guidelines) and existing standards to design a relational data model capturing metadata across AI lifecycle phases: study definition, dataset preparation, model generation/evaluation, deployment/monitoring, and passport generation. MLOps/ModelOps concepts were integrated for operational relevance. Co-creation involved feedback from AI4HF consortium and a Lisbon workshop with 21 diverse stakeholders, evaluated via Mentimeter polls. The open-source platform was implemented with Python libraries for automated provenance tracking. Results: The AI Product Passport was designed based on existing standards and methods with well-defined lifecycle management and role-based access. Its implementation is a web-based platform with a relational data model supporting auditable documentation. It generates machine- and human-readable reports, customizable for stakeholders. It aligns with FUTURE-AI principles (Fairness, Universality, Traceability, Usability, Robustness, Explainability), ensuring fairness, traceability, and usability. Exported passports detail model purpose, data provenance, performance, and deployment context. GitHub-hosted backend/frontend codebases enhance accessibility. Discussion and Conclusion: The AI Product Passport addresses transparency gaps in healthcare AI, meeting regulatory and ethical demands. Its open-source nature and alignment with standards foster trust and adaptability. Future enhancements include FAIR data principles and FHIR integration for improved interoperability, promoting responsible AI deployment.
- Abstract（参考訳）: 目的: ライフサイクルベースのドキュメントを通じて、医療AIの透明性、トレーサビリティ、コンプライアンスを改善する標準ベースのフレームワークである、AI Product Passportを開発する。
Materials and Methods: AI Product Passportは、AI4HFプロジェクト内で開発された、心不全AIツールに焦点を当てたものだ。
我々は、研究定義、データセットの準備、モデル生成/評価、デプロイメント/監視、パスポート生成など、AIライフサイクルフェーズ間でメタデータをキャプチャするリレーショナルデータモデルを設計するための規制フレームワーク(EU AI Act、FDAガイドライン)と既存の標準を分析した。
MLOps/ModelOpsの概念は運用上の関連性のために統合された。
共同創造にはAI4HFコンソーシアムと21の利害関係者によるリスボンワークショップからのフィードバックが含まれ、Mentimeterの世論調査を通じて評価された。
オープンソースのプラットフォームは、自動証明追跡のためにPythonライブラリで実装されている。
結果: AIプロダクトパスポートは、明確に定義されたライフサイクル管理とロールベースのアクセスを備えた、既存の標準とメソッドに基づいて設計されました。
その実装は、監査可能なドキュメントをサポートするリレーショナルデータモデルを備えたWebベースのプラットフォームである。
利害関係者向けにカスタマイズ可能な、マシンおよびヒューマン可読レポートを生成する。
これはFuture-AIの原則(Fairness、Universality、Traceability、Usability、Robustness、Explainability)と一致し、公正性、トレーサビリティ、ユーザビリティを保証する。
エクスポートされたパスポートには、モデルの目的、データプロファイランス、パフォーマンス、デプロイメントコンテキストが詳細に記述されている。
GitHubがホストするバックエンド/フロントエンドコードベースにより、アクセシビリティが向上する。
議論と結論: AIプロダクトパスポートは、医療AIにおける透明性のギャップに対処し、規制と倫理的要求を満たす。
オープンソースの性質と標準との整合性は、信頼性と適応性を促進する。
今後の拡張には、FAIRデータ原則と相互運用性向上のためのFHIR統合、責任あるAIデプロイメントの促進が含まれる。
関連論文リスト
- What's the next frontier for Data-centric AI? Data Savvy Agents [71.76058707995398]
我々は、エージェントシステムの設計において、データに精通する能力が最優先すべきであると主張している。
本稿では,このビジョンを実現するための4つの重要な機能を提案する。プロアクティブデータ取得,ソフシフィケートデータ処理,インタラクティブテストデータ合成,連続的適応。
論文 参考訳（メタデータ） (2025-11-02T17:09:29Z) - Safe and Certifiable AI Systems: Concepts, Challenges, and Lessons Learned [45.44933002008943]
この白書は、T"UV AUSTRIA Trusted AIフレームワークを提示する。
エンド・ツー・エンドの監査カタログであり、機械学習システムの評価と認定のための方法論である。
セキュアなソフトウェア開発、機能要件、倫理とデータプライバシという3つの柱の上に構築されているのは、EU AI Actの高レベルの義務を、特定かつテスト可能な基準に翻訳するものです。
論文 参考訳（メタデータ） (2025-09-08T17:52:08Z) - AI Model Passport: Data and System Traceability Framework for Transparent AI in Health [4.024232575199211]
本稿では,構造化および標準化されたドキュメントフレームワークであるAI Model Passportの概念を紹介する。
ライフサイクル全体にわたってAIモデルを特定し、検証し、追跡し、監視するために必要なメタデータをキャプチャする。
このフレームワークの実装は、医療画像アプリケーションのためのProCAncer-I EUプロジェクト内で開発されたMLOpsツールであるAIPassportを通じて提示される。
論文 参考訳（メタデータ） (2025-06-27T16:16:15Z) - AIDRIN 2.0: A Framework to Assess Data Readiness for AI [0.7972490974330477]
AIDRINは、AIアプリケーションのデータ準備性を評価し改善するフレームワークである。
データ品質、バイアス、公平性、プライバシといった重要なデータ準備性に対処する。
本稿では,ユーザインターフェースの改善と,プライバシ保護のためのフェデレーション学習フレームワークとの統合に焦点を当てる。
論文 参考訳（メタデータ） (2025-05-22T22:24:31Z) - Generative AI for Autonomous Driving: Frontiers and Opportunities [145.6465312554513]
この調査は、自律運転スタックにおけるGenAIの役割の包括的合成を提供する。
まず、VAE、GAN、拡散モデル、および大規模言語モデルを含む、現代の生成モデリングの原則とトレードオフを蒸留することから始めます。
我々は、合成データ一般化、エンドツーエンド駆動戦略、高忠実なデジタルツインシステム、スマートトランスポートネットワーク、具体化されたAIへのクロスドメイン転送など、実用的な応用を分類する。
論文 参考訳（メタデータ） (2025-05-13T17:59:20Z) - Large Action Models: From Inception to Implementation [51.81485642442344]
大規模アクションモデル(LAM)は動的環境内でのアクション生成と実行のために設計されている。
LAMは、AIを受動的言語理解からアクティブなタスク完了に変換する可能性を秘めている。
創発から展開まで,LAMを体系的に開発するための総合的なフレームワークを提案する。
論文 参考訳（メタデータ） (2024-12-13T11:19:56Z) - A Standardized Machine-readable Dataset Documentation Format for Responsible AI [8.59437843168878]
Croissant-RAIは、AIデータセットの発見性、相互運用性、信頼性を高めるために設計された、機械可読なメタデータフォーマットである。
主要なデータ検索エンジン、リポジトリ、機械学習フレームワークに統合されている。
論文 参考訳（メタデータ） (2024-06-04T16:40:14Z) - DC-Check: A Data-Centric AI checklist to guide the development of
reliable machine learning systems [81.21462458089142]
データ中心のAIは、信頼できるエンドツーエンドパイプラインを可能にする統一パラダイムとして登場しています。
データ中心の考慮事項を抽出する実行可能なチェックリストスタイルのフレームワークであるDC-Checkを提案する。
この開発におけるデータ中心のレンズは、システム開発に先立って思考力と透明性を促進することを目的としている。
論文 参考訳（メタデータ） (2022-11-09T17:32:09Z) - Multisource AI Scorecard Table for System Evaluation [3.74397577716445]
本稿では、AI/機械学習(ML)システムの開発者およびユーザに対して標準チェックリストを提供するマルチソースAIスコアカードテーブル(MAST)について述べる。
本稿では,インテリジェンス・コミュニティ・ディレクティブ(ICD)203で概説されている分析的トレードクラフト標準が,AIシステムの性能を評価するためのフレームワークを提供する方法について考察する。
論文 参考訳（メタデータ） (2021-02-08T03:37:40Z)
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。