顎矯正術の必要性を判断するAI | 医療とAIのニュース・最新記事 - The Medical AI Times
TOKYO analyticaはデータサイエンスと臨床医学に強力なバックグラウンドを有し、健康増進の追求を目的とした技術開発と科学的エビデンス構築を主導するソーシャルベンチャーです。 The Medical AI Timesにおける記事執筆は、循環器内科・心臓血管外科・救命救急科・小児科・泌尿器科などの現役医師およびライフサイエンス研究者らが中心となって行い、下記2名の医師が監修しています。 1. 岡本 将輝 信州大学医学部卒（MD）、東京大学大学院専門職学位課程修了（MPH）、東京大学大学院医学系研究科博士課程修了（PhD）、英University College London（UCL）科学修士課程最優等修了（MSc with distinction）。UCL visiting researcher、日本学術振興会特別研究員、東京大学特任研究員を経て、現在は米ハーバード大学医学部講師、マ
Zebra Medical Vision 気胸診断AIのFDA承認を取得 | 医療とAIのニュース・最新記事 - The Medical AI Times
高い医療画像解析技術によって大きな注目を集めるイスラエルのスタートアップ・Zebra Medical Visionは昨日、胸部レントゲン写真から気胸の存在を警告できるAIシステムに関し、米食品医薬品局（FDA）からの承認を受けたことを公表した。 医工学系メディア・FierceBiotechの報道によると、同アルゴリズムは数百万に及ぶ胸部レントゲン画像を利用して構築されており、医師は従来より80%以上早く、自信を持った診断にたどり着けるとしている。Zebra Medical VisionのCEO・Eyal Gura氏は「我々の製品に重要な付加価値を与えられ、多忙な放射線部門への助けともなれることを嬉しく思う」とコメントしている。 特に急性期の現場など、時間的制約のあるなかでの胸部レントゲン読影には大きなストレスが伴う。同メディアによると、実際米国では、気胸の誤診・診断の遅れによって年間740
オックスフォード大学とユトレヒト大学主導 – AI予測モデルに関する新しいガイドライン策定へ | 医療とAIのニュース・最新記事 - The Medical AI Times
ヘルスケアのデジタル化が、機械学習などAIの進歩によって強力に推進される状況が続いている。しかし、そのイノベーション的な側面と、誇大広告とを区別するのは容易ではない。臨床医学におけるAIは、方法論での不完全さと再現性の乏しさが問題となる。予測モデル研究についてもその不完全性は指摘が多い。 Regenerative Medicine Utrechtは、機械学習に特化した予測モデル研究のガイドライン策定を、オックスフォード大のGary Collins教授とユトレヒト大のCarl Moons教授が主導すると発表した。新ガイドライン（通称TRIPOD-ML）は、これまでに確立された予測モデル研究についてのガイドライン『TRIPOD声明』に、機械学習などAI研究で新しく生まれた専門性を取り込み、適切な方法論に準拠したAI予測アルゴリズム研究をサポートする。 AI医学研究では、妥当性の検証不足が常に指
集中治療室での医学的判断をサポートするAIシステム | 医療とAIのニュース・最新記事 - The Medical AI Times
TOKYO analyticaはデータサイエンスと臨床医学に強力なバックグラウンドを有し、健康増進の追求を目的とした技術開発と科学的エビデンス構築を主導するソーシャルベンチャーです。 The Medical AI Timesにおける記事執筆は、循環器内科・心臓血管外科・救命救急科・小児科・泌尿器科などの現役医師およびライフサイエンス研究者らが中心となって行い、下記2名の医師が監修しています。 1. 岡本 将輝 信州大学医学部卒（MD）、東京大学大学院専門職学位課程修了（MPH）、東京大学大学院医学系研究科博士課程修了（PhD）、英University College London（UCL）科学修士課程最優等修了（MSc with distinction）。UCL visiting researcher、日本学術振興会特別研究員、東京大学特任研究員を経て、現在は米ハーバード大学医学部講師、マ
妥当性の検証が不足するAI医学研究 | 医療とAIのニュース・最新記事 - The Medical AI Times
妥当な医科学研究の成果には、異なる条件・環境から取得したデータでも同等の結果が示されることが求められる。つまり、多様なデータに基づく検証作業は、科学的エビデンスの構築には必須のものと言える。一方、近年のAI医学研究においてはこのプロセスを軽視する流れもみられ、その危険性を指摘する研究者達がいる。 Health Imagingが8日報じたところによると、韓国の研究グループが516の出版済みAI医学研究を調査したところ、外部データを利用した妥当性の検証を行っていたのはわずか6%であったという。本来的にアルゴリズムが臨床的に妥当であることを示すには、追跡研究・多施設研究・前向きデータ収集の3点は欠くことができないとしている。 AIアルゴリズム構築では多くの場合、単一のデータセットを、機械学習に用いるトレーニングセットと、それによって得られたアルゴリズムを検証するためのテストセットに分ける。これら
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
