論文の概要: AIdentifyAGE Ontology for Decision Support in Forensic Dental Age Assessment
- arxiv url: http://arxiv.org/abs/2602.16714v1
- Date: Wed, 28 Jan 2026 11:42:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-23 12:01:13.702227
- Title: AIdentifyAGE Ontology for Decision Support in Forensic Dental Age Assessment
- Title（参考訳）: 法医学的歯科年齢評価における意思決定支援のための人工知能オントロジー
- Authors: Renato Marcelo, Ana Rodrigues, Cristiana Palmela Pereira, António Figueiras, Rui Santos, José Rui Figueira, Alexandre P Francisco, Cátia Vaz,
- Abstract要約: AIdentifyAGEは、歯科年齢評価のための標準化されたセマンティック・コヒーレントな枠組みである。
標準化されたセマンティック・コヒーレントなフレームワークを提供し、手動およびAIによる法医学的歯年齢評価の両方を包含する。
司法状況、個人レベルの情報、法医学的検査データ、歯科発達評価方法、放射線画像、統計基準研究、AIに基づく推定方法を統合する。
- 参考スコア（独自算出の注目度）: 34.830748927153294
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Age assessment is crucial in forensic and judicial decision-making, particularly in cases involving undocumented individuals and unaccompanied minors, where legal thresholds determine access to protection, healthcare, and judicial procedures. Dental age assessment is widely recognized as one of the most reliable biological approaches for adolescents and young adults, but current practices are challenged by methodological heterogeneity, fragmented data representation, and limited interoperability between clinical, forensic, and legal information systems. These limitations hinder transparency and reproducibility, amplified by the increasing adoption of AI- based methods. The AIdentifyAGE ontology is domain-specific and provides a standardized, semantically coherent framework, encompassing both manual and AI-assisted forensic dental age assessment workflows, and enabling traceable linkage between observations, methods, reference data, and reported outcomes. It models the complete medico-legal workflow, integrating judicial context, individual-level information, forensic examination data, dental developmental assessment methods, radiographic imaging, statistical reference studies, and AI-based estimation methods. It is being developed together with domain experts, and it builds on upper and established biomedical, dental, and machine learning ontologies, ensuring interoperability, extensibility, and compliance with FAIR principles. The AIdentifyAGE ontology is a fundamental step to enhance consistency, transparency, and explainability, establishing a robust foundation for ontology-driven decision support systems in medico-legal and judicial contexts.
- Abstract（参考訳）: 年齢評価は、特に未文書の個人や未成年者が保護、医療、司法手続きへのアクセスを決定する場合において、法学および司法判断において重要である。
歯年齢評価は、青年期と若年者にとって最も信頼性の高い生物学的アプローチの1つとして広く認識されているが、現在の実践は、方法論的異質性、断片化データ表現、臨床、法学、法学情報システム間の相互運用の制限によって挑戦されている。
これらの制限は、AIベースのメソッドの採用の増加によって増幅された透明性と再現性を妨げる。
AIdentifyAGEオントロジーはドメイン固有であり、標準化されたセマンティック・コヒーレントなフレームワークを提供し、手動とAIによる歯科年齢評価ワークフローの両方を包含し、観察、方法、参照データ、報告された結果間のトレース可能なリンクを可能にする。
司法状況、個人レベルの情報、法医学的検査データ、歯科発達評価方法、放射線画像、統計基準研究、AIに基づく推定方法を統合する。
ドメインの専門家と一緒に開発されており、上層および確立されたバイオメディカル、歯科、機械学習のオントロジーの上に構築されており、相互運用性、拡張性、FAIR原則の遵守を保証する。
AIdentifyAGEオントロジーは、一貫性、透明性、説明可能性を高めるための基本的なステップであり、医療法と司法の文脈において、オントロジーが主導する意思決定支援システムの堅牢な基盤を確立する。
関連論文リスト
- AgentsEval: Clinically Faithful Evaluation of Medical Imaging Reports via Multi-Agent Reasoning [73.50200033931148]
本稿では,放射線科医の協調診断ワークフローをエミュレートしたマルチエージェントストリーム推論フレームワークであるAgensEvalを紹介する。
評価プロセスを基準定義、エビデンス抽出、アライメント、一貫性スコアなどの解釈可能なステップに分割することで、AgensEvalは明確な推論トレースと構造化された臨床フィードバックを提供する。
実験結果から,AgensEvalは,言い換え,意味的,スタイリスティックな摂動の下でも頑健な臨床的整合性,意味的忠実性,解釈可能な評価を提供することが示された。
論文 参考訳（メタデータ） (2026-01-23T11:59:13Z) - Responsible Evaluation of AI for Mental Health [72.85175110624736]
メンタルヘルスケアにおけるAIツールの評価に対する現在のアプローチは、断片化されており、臨床実践、社会的コンテキスト、ファーストハンドのユーザエクスペリエンスと不整合である。
本稿では,臨床の健全性,社会的文脈,公平性を統合した学際的枠組みを導入することにより,責任ある評価を再考する。
論文 参考訳（メタデータ） (2026-01-20T12:55:10Z) - Think as a Doctor: An Interpretable AI Approach for ICU Mortality Prediction [7.809857381429602]
本稿では,ICUの意思決定プラクティスの3つの要素をすべてその推論プロセスに統合しつつ,本質的な解釈性を実現する新しいICU死亡予測フレームワークを提案する。
ProtoDoctorには2つの重要なイノベーションがある: Prognostic Clinical Course IdentificationモジュールとDemographic Heterogeneity Recognitionモジュール。
ProtoDoctorは予測精度で最先端のベースラインを上回っている。
論文 参考訳（メタデータ） (2025-10-11T14:57:07Z) - Medical Reasoning in the Era of LLMs: A Systematic Review of Enhancement Techniques and Applications [59.721265428780946]
医学における大きな言語モデル(LLM)は印象的な能力を実現しているが、体系的で透明で検証可能な推論を行う能力に重大なギャップが残っている。
本稿は、この新興分野に関する最初の体系的なレビューを提供する。
本稿では,学習時間戦略とテスト時間メカニズムに分類した推論強化手法の分類法を提案する。
論文 参考訳（メタデータ） (2025-08-01T14:41:31Z) - A Comprehensive Review of Techniques, Algorithms, Advancements, Challenges, and Clinical Applications of Multi-modal Medical Image Fusion for Improved Diagnosis [4.329944732718317]
MMIF(Multi-modal Medical Image fusion)は、診断精度を高め、効果的な臨床的意思決定を促進するための重要な技術である。
MMIFはX線、MRI、CT、PET、SPECT、超音波のデータを組み合わせ、患者解剖学と病理学の詳細な、臨床的に有用な画像を作成する。
本総説では,MMIFの進化,方法論,アルゴリズム,現在の進歩,臨床応用について慎重に検討する。
論文 参考訳（メタデータ） (2025-05-18T21:19:01Z) - Beyond One-Time Validation: A Framework for Adaptive Validation of Prognostic and Diagnostic AI-based Medical Devices [55.319842359034546]
既存のアプローチは、これらのデバイスを実際にデプロイする際の複雑さに対処するのに不足することが多い。
提示されたフレームワークは、デプロイメント中に検証と微調整を繰り返すことの重要性を強調している。
現在の米国とEUの規制分野に位置づけられている。
論文 参考訳（メタデータ） (2024-09-07T11:13:52Z) - Fair by design: A sociotechnical approach to justifying the fairness of AI-enabled systems across the lifecycle [0.8164978442203773]
公正性は、既存のAIガイドラインにおいて最もよく認識される倫理的原則の1つである。
公正なAI対応システムの開発は、新たなAI規制によって要求される。
論文 参考訳（メタデータ） (2024-06-13T12:03:29Z) - Detecting algorithmic bias in medical-AI models using trees [7.939586935057782]
本稿では,医療AI意思決定支援システムにおけるアルゴリズムバイアスの領域を検出するための革新的な枠組みを提案する。
本手法は,医学・AIモデルにおける潜在的なバイアスを,特に敗血症予測の文脈で効果的に同定する。
論文 参考訳（メタデータ） (2023-12-05T18:47:34Z) - Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。
本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
論文 参考訳（メタデータ） (2023-07-30T16:08:45Z)
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。