異常モデル入力と出力警報が健康管理における意思決定に及ぼす影響の調査【JST・京大機械翻訳】

Radensky Marissa; Burson Dustin; Bhaiya Rajya; Weld Daniel S.

プレプリント

J-GLOBAL ID：202202213337000329 整理番号：22P0340109

異常モデル入力と出力警報が健康管理における意思決定に及ぼす影響の調査【JST・京大機械翻訳】

Exploring How Anomalous Model Input and Output Alerts Affect Decision-Making in Healthcare

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年04月27日プレプリントサーバーでの情報更新日： 2022年04月27日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

人間-AI相互作用の分野における重要な目標は,ユーザをより適切に信頼するAIシステムの決定を助けることである。ユーザが,より適切な信用から特に利益を得る状況は,AIが異常入力を受け,異常出力を与えるときである。著者らの知る限り,これは異常警報がどのようにAIの適切な信頼に寄与するかを理解する最初の研究である。4人の放射線科医と4人の他の医師との形式的な混合法研究において,著者らは,異常な入力,非常に高い,低い信頼度,および異常な顕著性マップ説明のためのAI警報が,肺炎のための胸部X線を評価するためのAI臨床意思決定支援システム(CDSS)のモックアップによるユーザの経験に影響を及ぼす方法を探究した。著者らは,4つの異常警報が非放射線科医によって望まれることを示唆して,高信頼警報は放射線科医と非放射線科医の両方によって望まれる。追跡ユーザ研究において,著者らは,高および低信頼度警報が,AI CDSSモックアップで働く33人の放射線科医の正確性と適切な信頼にどう影響するかを調査した。著者らは,これらの警報がユーザの精度や経験を改善しず,潜在的理由について議論する。【JST・京大機械翻訳】

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

人工知能 , 安全管理

, , ,

前のページに戻る