Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
A mesterséges intelligencia alapú megoldások fejlesztése és bevezetése az egészségügyben – kézműves manufaktúrától a gyártósorig?
9
Zitationen
9
Autoren
2022
Jahr
Abstract
Az adatalapú, digitális megoldások jobb megelőzési, terápiás, és jóléti ajánlásokkal segíthetik az egészségügy szereplőit, hozzájárulnak a mesterséges intelligencia alapú döntéstámogatás fejlesztéséhez és bevezetéséhez a diagnosztikában és a terápiában, és támogatják az orvosbiológiai kutatások fejlődését, különös tekintettel a személyre szabott terápiák és diagnosztikumok fejlesztésére. Az egészségügyi mesterséges intelligencia kutatások áttekintésének egyik meghatározó tapasztalata, hogy kevés az olyan rendszerszintű vizsgálat, amely a fejlesztést a későbbi digitális ellátási modellekbe történőintegráció szempontjából közelíti meg. A Semmelweis Egyetem Tématerületi Kiválósági Programja keretében megvalósuló referenciaprojektben elkészül a mesterséges intelligencia algoritmus gyártósora. Jelen cikkben arra keressük a választ, hogy milyen kérdések előkészítésével tehetjük lehetővé több mesterséges intelligencia modul párhuzamos fejlesztését hosszú időn át, a megfelelő jogi és finanszírozási környezetben? Kialakítható-e a fejlesztési és bevezetési folyamat rendszerszinten is úgy mint egy professzionális és megbízható minőségben működő gyártósor? A folyamat lépései modalitáson-ként változhatnak, esetenként felcserélődnek, vagy össze érnek, de lényegében a következő főbb szakaszokra bonthatók: (1) koncepció kialakítás, (2) metszet- és adat-gyűjtés megszervezése, annotációs módszertan és felület kialakítása, (3) szakmai validáció (4) integráció (5) fel-használói validálás és bevezetés. A folyamat összetettsége holisztikus megközelítést igényel, mivel már a fejlesztési szakaszban át kell gondolni a kiválasztott technológia innovatív aspektusait, az általa nyújtott hozzáadott értéket, a minősítés és a klinikai vizsgálatok, vala-mint a technológiaértékelés mentén. Ennek megfelelően kell megtervezni és megszervezni a folyamatot és be kell vonni és professzionálisan támogatni a finanszírozót, az egészségügyi szolgáltatókat, a technológiai fejlesztőket, a szabályozókat, a polgárokat/pácienseket, a tudományos kutatókat: a digitális ökoszisztéma szereplőit. A 2022-ben induló Egészségbiztonság Nemzeti Laboratórium Adatvezérelt Egészségügy Divíziójában (D2H) ezen cikk eredményeire építve szeretnénk (1) bemutatni a mesterséges intelligencia fejlesztések és applikációk elterjedtségét az egészségügyben nemzetközi szinten, (2) összefoglalni a rendszerszintű bevezetésben rejlőkockázatokat Magyarországon és (3) azonosítani a széleskörű hazai bevezetéshez szükséges lépéseket.
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.493 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.377 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 7.835 Zit.
Proceedings of the 19th International Joint Conference on Artificial Intelligence
2005 · 5.781 Zit.
Peeking Inside the Black-Box: A Survey on Explainable Artificial Intelligence (XAI)
2018 · 5.555 Zit.