文献

J-GLOBAL ID：202202224207793922   整理番号：22A0108281

ロバストで説明可能で信頼できる医用人工知能を達成するための統合交差切断可能としての情報融合【JST・京大機械翻訳】

Information fusion as an integrative cross-cutting enabler to achieve robust, explainable, and trustworthy medical artificial intelligence

著者 (16件)： Holzinger Andreas (Medical University Graz, Austria) ,  Holzinger Andreas (Alberta Machine Intelligence Institute, University of Alberta, Canada) ,  Dehmer Matthias (University of Medical Informatics Tyrol, Austria) ,  Dehmer Matthias (Swiss Distance University of Applied Sciences, Switzerland) ,  Emmert-Streib Frank (Predictive Society and Data Analytics Lab, Faculty of Information Technology and Communication Sciences, Tampere University, Tampere, Finland) ,  Cucchiara Rita (University of Modena and Reggio Emilia, Modena, Italy) ,  Cucchiara Rita (Artificial Intelligence Research and Innovation Center, Modena, Italy) ,  Augenstein Isabelle (Department of Computer Science, University of Copenhagen, Copenhagen, Denmark) ,  Ser Javier Del (TECNALIA, Basque Research and Technology Alliance (BRTA), Derio, Spain) ,  Ser Javier Del (University of the Basque Country (UPV/EHU), Bilbao, Spain) ,  Samek Wojciech (Departments of Artificial Intelligence, Fraunhofer Heinrich Hertz Institute, Germany) ,  Jurisica Igor (Osteoarthritis Research Program, Division of Orthopedic Surgery, Schroeder Arthritis Institute, University Health Network, Toronto, Canada) ,  Jurisica Igor (Krembil Research Institute, Data Science Discovery Centre for Chronic Diseases, University Health Network, Toronto, Canada) ,  Jurisica Igor (Departments of Medical Biophysics and Computer Science, University of Toronto, Canada) ,  Jurisica Igor (Institute of Neuroimmunology, Slovak Academy of Sciences, Bratislava, Slovakia) ,  Diaz-Rodriguez Natalia (Andalusian Research Institute in Data Science and Computational Intelligence (DaSCI Institute). University of Granada, Spain)
資料名： Information Fusion  (Information Fusion)
巻： 79  ページ： 263-278  発行年： 2022年 
JST資料番号： W3167A  ISSN： 1566-2535  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 医療人工知能(AI)システムは,あるタスクで人間のパフォーマンスを凌駕するので,著しく成功している。AIは,多くの方法でヒトの健康を改善するのに重要であり,将来,様々な医学ワークフローを混乱させる。実験室を超えた医学における問題を解決するためのAIを用いて,日常環境において,既存のAI法の性能をさらに改善する必要がある。ロバストAIソリューションは,不正確,欠測および不正確な情報に対処することができなければならず,その結果と医療専門家にどのように得られるかのプロセスの両方を説明する必要がある。現実のガイドモデルとしての概念知識の使用は,よりロバストで説明可能な,そして,より少ないデータから理想的に学習できるより少ないバイアスの機械学習モデルを開発するのを助けることができる。これらの目標の達成は,3つの補足的フロンティア研究Areasを組み合わせた,調整努力を必要とする。(1)複合ネットワークとその推論,(2)グラフ因果モデル,および対抗,および(3)検証と説明可能性法。この論文の目的は,統一された見解からこれらの3つの領域を記述して,包括的で統合的方法で情報融合が一緒にこれらの3つの領域をもたらすのを助けることができるだけではなく,また,将来の研究と実際の応用の間のギャップを,将来の信頼できる医療AIの文脈で橋渡すことによって,変換的役割を持つかを動機づけることである。これは,すべての将来の解決策が倫理的に責任があるだけでなく,法的にコンプライアントでもあるので,交差切断規律として倫理的および法的側面を含むことが必須である。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  ネットワーク ,  *人工知能 ,  医療従事者 ,  バイアス ,  *ロバスト性 ,  機械学習 ,  ワークフロー
準シソーラス用語： 因果モデル ,  欠測 ,  ヒトの健康 , 【Automatic Indexing@JST】

著者キーワード (9件)： 人工知能 ,  情報融合 ,  医療AI ,  説明可能なAI ,  ロバスト性 ,  説明可能性 ,  信頼 ,  グラフベースの機械学習 ,  ニューラル記号学習と推論

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： ロバスト ,  説明 ,  信頼 ,  人工知能 ,  統合 ,  交差 ,  情報融合