增强病理学家的NaviPath:设计和评估一个人工智能协作导航系统
荣誉提名作者
可解释人工智能(XAI)AI 辅助决策与自动化系统医疗与科学数据可视化医生、护士、临床医生放射科与病理科医生AI/ML 研究员与工程师
人工智能(AI)带来了支持病理学家浏览高分辨率肿瘤图像以寻找感兴趣的病理模式的进步。然而,现有的AI辅助工具由于缺乏对病理学的了解以及对病理学家实际导航工作流程的HCI(人机交互)考虑,尚未实现这一承诺的潜力。我们首先与六位病理学医疗专业人员进行了一项形成性研究,以捕捉他们的导航策略。通过结合我们的观察结果以及病理学家的专业知识,我们设计了NaviPath——一个人工智能协作导航系统。一项对15位病理学医疗专业人员的评估研究表明:(一)与手动导航相比,参与者使用NaviPath在单位时间内看到的病理模式数量超过两倍,(二)参与者在平均情况下比AI和手动导航实现了更高的精确度和召回率。进一步的定性分析表明,使用NaviPath导航更加一致,这可以提高整体检查质量。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 86%
重新思考复杂医疗决策中的人工智能协作:一项关于败血症诊断的案例研究
CHI '24· 可解释人工智能(XAI) +2
- 86%
快速辅助视觉搜索:为不完美AI支持数字病理学家
IUI '21· 电动车充电与能效界面 +3
- 83%
糖尿病风险预测的循证解释视觉对话界面
CUI '25· 可解释人工智能(XAI) +2
- 67%
医疗保健AI治疗决策支持:设计原则以增强临床医生的采用和信任
CHI '23· 可解释人工智能(XAI) +1
- 67%
《如果有全世界所有的时间》:眼科医生对临床人工智能支持中锚定偏见缓解的看法
CHI '23· 可解释人工智能(XAI) +1
- 67%
利用生物医学文献校准临床医生对AI决策支持系统的信任
CHI '23· 可解释人工智能(XAI) +1
- 67%
重新思考人工智能在肿瘤学中与医师的角色:揭示临床和研究工作流程中的视角
CHI '23· 可解释人工智能(XAI) +1
- 67%
放大人类在前列腺癌诊断中的能力:放射学中当前实践和人工智能潜力的经验研究
CHI '24· 可解释人工智能(XAI) +1
- 67%
医学评分计算器应用的诊断研究
UbiComp '23· 可解释人工智能(XAI) +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3544548.3580694
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2023
emoji_events
奖项
荣誉提名
group
作者
10 位作者
sell
研究子方向
可解释人工智能(XAI)、AI 辅助决策与自动化系统、医疗与科学数据可视化
work
职业/产业
医生、护士、临床医生、放射科与病理科医生、AI/ML 研究员与工程师
article
内容状态
仅摘要
hub
相关论文
9 篇相关论文