关于这个研究课题
AI的潜力增加访问、质量和医疗效率高,与各种各样的应用程序开发速度快速。一些最重要的和有前途的人工智能健康应用程序包括使用人工智能诊断、决策支持系统、病人护理监测、机器人、个性化医学、药物研发、临床试验、监测、和组织工作流。然而,尽管AI的高潜力,基于AI工具的实际采用医疗仍然有限。有限的AI采用部分是由于新的挑战新兴与人工智能,包括大型高质量的数据集的可用性,组织挑战,和限制或无法解释的人工智能决策过程,使技术挑战性的访问和信任。实现安全、可伸缩的和可持续的AI采用健康是很重要的值得信赖的人工智能,包括等多方面方面的透明度、可解释性和explainability AI-supported技术。
实现可信AI需要学术界和产业界之间的协作,弥合这些世界培养进展至关重要。工业和学术界带来不同的知识和观点。行业经常实用、实际实现和部署人工智能系统的经验,而学术界往往侧重于研究和理论。通过合作,这两组可以结合自己的长处和见解创造值得信赖的AI系统和减轻对AI的潜在负面影响的担忧。
人工智能系统将继续影响和改变医疗系统我们还无法想象的方式。在这种背景下,至关重要的是,人工智能系统开发和实现值得我们信任,我们可以确保风险和可能的不利影响。然而,尽管AI应该值得信赖的天桥的共识,目前还不太清楚什么信任和可信度需要人工智能领域的健康。信任的人工智能技术,我们需要知道他们是公平的,可靠的,不是有害的,和负责任的。高级专家组的人工智能(AI HLEG)值得信赖的AI已经确定三个组件一般人工智能技术,应满足人工智能系统的整个生命周期(链接):
•应该是合法的,符合所有适用的法律、法规;
•应该是道德,确保遵守道德原则和价值观;和
•应该是健壮的,从技术和社会的角度来看,因为,即使善意,人工智能系统可以造成意外的伤害。
在本研究课题中,我们试图探索不同的值得信赖的AI在卫生方面。我们欢迎提交原始研究、评论、方法和视角研究课题相关的文章值得信赖的采用人工智能的医疗保健。我们鼓励学术界和产业界的合作解决这些问题。值得信赖的人工智能的要求后,按照人工智能HLEG,提交至少必须解决一个以下维度:
1。人类机构和监督:赋权的人类,人类的自主权,为人工智能和决策、监督机制
2。技术的鲁棒性和安全:安全、安全、准确性、可靠性、备用计划,和再现性
3所示。隐私和数据治理:人工智能系统的影响对隐私和数据保护的影响
4所示。透明度:追溯、explainability和开放沟通可能AI系统的局限性
5。多样性,该校非歧视和公平:不公平的偏见,平等,正义在人工智能系统
6。社会和环境健康:可持续发展、社会和环境的影响
7所示。问责制:审核、责任和问责制为AI系统及其结果
推荐- - - - - -
奥列格•Agafonov博士亚历山大·巴比克博士和Sharmini Alagaratnam受雇于DNV。所有其他主题编辑声明没有利益冲突。
实现可信AI需要学术界和产业界之间的协作,弥合这些世界培养进展至关重要。工业和学术界带来不同的知识和观点。行业经常实用、实际实现和部署人工智能系统的经验,而学术界往往侧重于研究和理论。通过合作,这两组可以结合自己的长处和见解创造值得信赖的AI系统和减轻对AI的潜在负面影响的担忧。
人工智能系统将继续影响和改变医疗系统我们还无法想象的方式。在这种背景下,至关重要的是,人工智能系统开发和实现值得我们信任,我们可以确保风险和可能的不利影响。然而,尽管AI应该值得信赖的天桥的共识,目前还不太清楚什么信任和可信度需要人工智能领域的健康。信任的人工智能技术,我们需要知道他们是公平的,可靠的,不是有害的,和负责任的。高级专家组的人工智能(AI HLEG)值得信赖的AI已经确定三个组件一般人工智能技术,应满足人工智能系统的整个生命周期(链接):
•应该是合法的,符合所有适用的法律、法规;
•应该是道德,确保遵守道德原则和价值观;和
•应该是健壮的,从技术和社会的角度来看,因为,即使善意,人工智能系统可以造成意外的伤害。
在本研究课题中,我们试图探索不同的值得信赖的AI在卫生方面。我们欢迎提交原始研究、评论、方法和视角研究课题相关的文章值得信赖的采用人工智能的医疗保健。我们鼓励学术界和产业界的合作解决这些问题。值得信赖的人工智能的要求后,按照人工智能HLEG,提交至少必须解决一个以下维度:
1。人类机构和监督:赋权的人类,人类的自主权,为人工智能和决策、监督机制
2。技术的鲁棒性和安全:安全、安全、准确性、可靠性、备用计划,和再现性
3所示。隐私和数据治理:人工智能系统的影响对隐私和数据保护的影响
4所示。透明度:追溯、explainability和开放沟通可能AI系统的局限性
5。多样性,该校非歧视和公平:不公平的偏见,平等,正义在人工智能系统
6。社会和环境健康:可持续发展、社会和环境的影响
7所示。问责制:审核、责任和问责制为AI系统及其结果
推荐- - - - - -
奥列格•Agafonov博士亚历山大·巴比克博士和Sharmini Alagaratnam受雇于DNV。所有其他主题编辑声明没有利益冲突。
关键字:人工智能、机器学习、临床决策支持、数字医疗、电子健康记录
重要提示:所有贡献这个研究课题必须的范围内的部分和期刊提交,作为其使命声明中定义。雷竞技rebat前沿有权指导检查手稿更适合部分或同行评审的期刊在任何阶段。