「视情况而定」:配置AI以改善不同情境下的临床实用性
作者
可解释人工智能(XAI)医疗与科学数据可视化放射科与病理科医生
人工智能(AI)在实验室实验中反复与放射科医生表现相当或优于放射科医生。然而,基于放射学的AI系统的真实世界实施被发现几乎不提供临床价值。本论文探讨如何为不同情境设计具有临床实用性的AI。我们与来自丹麦和肯尼亚7个临床站点的13名放射科医生进行了19次设计会话和设计干预,基于三个迭代的功能性AI原型。我们确定了十个对社会技术依赖关系,这些对放射学AI设计至关重要。我们构思了四个必须针对预期临床使用情境进行配置的技术维度:AI功能性、AI医学焦点、AI决策阈值和AI可解释性。我们提出了四个设计建议,涉及医学知识、诊所类型、用户专业知识水平、患者情境和用户情况的依赖关系,这些依赖关系决定了这些技术维度的配置。
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。
- 75%
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
- 60%
Awareness of Ambiguity in Medical Data Analysis AI Assistants
CHI '20· 可解释人工智能(XAI) +1
- 60%
CheXplain:使医师能够探索和理解数据驱动的、人工智能增强的医学影像分析
CHI '20· 可解释人工智能(XAI) +2
- 60%
多模式医疗人工智能:识别和设计放射学中相关的视觉语言应用程序
CHI '24· 生成式AI(文本、图像、音乐、视频) +2
- 60%
HEPHA:用于专业领域的混合式主动图像标注工具
IUI '25· 可解释人工智能(XAI) +2
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
DIS
calendar_month
年份
2024
emoji_events
奖项
未标记奖项
group
作者
9 位作者
sell
研究子方向
可解释人工智能(XAI)、医疗与科学数据可视化
work
职业/产业
放射科与病理科医生
article
内容状态
仅摘要
hub
相关论文
5 篇相关论文