深層学習による臨床意思決定を支援する「人体」【JST・京大機械翻訳】

Sendak Mark; Elish Madeleine Clare; Gao Michael; Futoma Joseph; Ratliff William; Nichols Marshall; Bedoya Armando; Balu Suresh; O’Brien Cara

文献

J-GLOBAL ID：202002225404862861 整理番号：20A2030436

深層学習による臨床意思決定を支援する「人体」【JST・京大機械翻訳】

”The human body is a black box” supporting clinical decision-making with deep learning

出版者サイト複写サービスで全文入手
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A2030436&from=J-GLOBAL&jstjournalNo=D0698C") }}

著者 (9件)： , , , , , , , ,
資料名：
号： FAT* ’20 ページ： 99-109 発行年： 2020年
JST資料番号： D0698C 資料種別：会議録 (C)
記事区分：原著論文発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

機械学習技術は健康管理での使用のためにますます開発されている。研究コミュニティは最先端のモデルの作成に焦点を当ててきたが,実世界の実装と,実際の場所使用から来る公平性,透明性,および説明可能性への関連課題にはあまり焦点が払われていない。モデル出力,解釈および説明,バイアスの認識および説明,および専門家の専門知識および作業文化への混乱の最小化について,モデル,解釈および説明の方法に関して,重大な疑問が残されている。著者らは,文献におけるこのギャップに対処し,Sepsis Watchの開発,実施,および評価をカバーする詳細な事例研究を提供し,敗血症の早期診断および治療における病院臨床医を支援する機械学習駆動ツールである。Sepsisは,時間的に治療されない場合,臓器不全または死亡を生じる重度の感染であり,米国病院における入院患者死亡の主な原因である。ツールを開発,評価したチームは,世界に展開されたモデルとしてではなく,既存の社会的および専門的文脈への統合を必要とする社会-技術システムとして,そのツールの概念化を議論する。公正で説明可能な機械学習を確実にするためのモデル解釈性のみに焦点を当てたのではなく,著者らは,臨床意思決定を支援するための機械学習を開発する際に考慮されるべき4つの重要な価値と実践を指摘する:文脈における問題を厳密に定義し,利害関係者との関係性を構築し,専門家との関係性を構築し,ステークホルダーとの進行中のフィードバックループを創り出す。本研究は,機械学習システムに対する制度的説明可能性と考察のメカニズムに関する将来の研究に重要な意味を持つ。本研究は,実際における透明性,精度,および説明可能性を確実にするための解決策としてのモデル解釈可能性の限界を強調する。代わりに,本研究は,設計および実際にFATML値を達成する他の手段および目標を示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

著者キーワード (5件)： , , , ,

人工知能 , 医用情報処理

, , , ,

前のページに戻る