面向纵向患者记录预测分析的规范架构
机器学习
2021-01-07 v2 人工智能
计算机与社会
摘要
医疗生态系统中的许多机构正在大力投资人工智能技术，以期以更低的成本优化其业务运营并改善患者预后。尽管人工智能备受追捧，但这一潜力的充分实现受到若干系统性问题的严重阻碍，包括数据隐私、安全、偏见、公平性和可解释性。在本文中，我们提出了一种用于开发医疗领域人工智能模型的新颖规范架构，以应对这些挑战。该系统能够在人工智能预测模型生命周期的所有阶段（包括数据摄取、模型构建和在生产环境中部署模型）进行创建和管理。本文详细描述了该架构，并基于我们在现实世界问题中使用它的经验进行了定性评估。
引用
@article{arxiv.2007.12780,
title = {A Canonical Architecture For Predictive Analytics on Longitudinal Patient Records},
author = {Parthasarathy Suryanarayanan and Bhavani Iyer and Prithwish Chakraborty and Bibo Hao and Italo Buleje and Piyush Madan and James Codella and Antonio Foncubierta and Divya Pathak and Sarah Miller and Amol Rajmane and Shannon Harrer and Gigi Yuan-Reed and Daby Sow},
journal= {arXiv preprint arXiv:2007.12780},
year = {2021}
}
备注
Presented at DSHealth 2020 KDD Workshop on Applied Data Science for Healthcare