文献

J-GLOBAL ID：202202238744700367   整理番号：22A0482019

医学,我々は何を学ぶか?【JST・京大機械翻訳】

In medicine, how do we machine learn anything real?

著者 (5件)： Ghassemi Marzyeh (Department of Electrical Engineering and Computer Science, Massachusetts Institute of Technology, Cambridge, MA 02139, USA) ,  Ghassemi Marzyeh (Institute for Medical Engineering & Science Research, Massachusetts Institute of Technology, Cambridge, MA 02139, USA) ,  Ghassemi Marzyeh (CIFAR AI Chair, Vector Institute, Toronto, ON M5G 1M1, Canada) ,  Nsoesie Elaine Okanyene (Department of Global Health, School of Public Health, Boston University, Boston MA, USA) ,  Nsoesie Elaine Okanyene (Center for Antiracist Research, Boston University, Boston MA, USA)
資料名： Patterns  (Patterns)
巻： 3  号： 1  ページ： Null  発行年： 2022年 
JST資料番号： W6439A  ISSN： 2666-3899  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 機械学習は,データおよびラベルが客観的な真実で固定されていると仮定する空間で伝統的に操作されている。残念なことに,多くの証拠から,人体から取得した「塞栓」データは,望ましいように機能するシステムを生成しないことが示唆された。健康管理データの複雑性は,識別の長い歴史と,この宇宙のナイーブアプリケーションにおける研究に関連している。健康管理を改善するために,機械学習モデルは,そのようなバイアスを開始から認識,低減,または除去しなければならない。医学の歴史を通して存在し,存在するバイアスの深さと幅を実証するために,多くの事例を列挙することを目的とする。著者らは,バイアスを自動化するアルゴリズムによる外出が,そのようなデータを生成する根底にある実践の変化をもたらし,健康格差の減少につながることを期待する。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： アルゴリズム ,  自動化 ,  応用プログラム ,  健康管理 ,  塞栓症 ,  バイアス ,  宇宙空間 ,  *機械学習
準シソーラス用語： 複雑性 ,  健康状態格差 , 【Automatic Indexing@JST】

著者キーワード (1件)： DSML5:メインストリーム:データ科学出力は十分に採用され,一般的に採用される

分類 (3件)： 人工知能  (JE08000Z) ,  その他の情報処理  (JE15050M) ,  計算機システム開発  (JD02010R)

タイトルに関連する用語 (1件)： 医学