相关实验视频
Updated: May 3, 2026
08:58
Artificial Intelligence Approaches to Assessing Primary Cilia
Published on: May 1, 2021
3.4K
改善数据参与,以发展皮肤病学人工智能
1Section of Dermatology, Department of Medicine, University of Chicago, Pritzker School of Medicine, Chicago, Illinois, USA.
Clinics in dermatology
|June 23, 2024
概括
人工智能 (AI) 可以推进皮肤病学,但算法性能取决于多样化,高质量的数据. 通过中心,联合学习和透明度改善数据共享是AI在皮肤健康方面的关键.
科学领域:
- 皮肤病学 皮肤病学
- 医学的人工智能 (AI)
背景情况:
- 皮肤病学的视觉性质为人工智能创新提供了机会.
- 人工智能算法性能严重依赖于训练数据的质量,数量和多样性.
研究的目的:
- 探索AI在皮肤病学中的影响.
- 识别皮肤病学人工智能开发的挑战和机遇,专注于数据.
主要方法:
- 对皮肤学应用的AI算法要求的分析.
- 检查影响医疗保健数据收集和共享的因素.
主要成果:
- 皮肤学图像数据集经常表现出质量不一致,不同肤色和解剖部位的代表性不足,以及缺乏良性的例子.
- 这些数据的局限性导致人工智能算法在现实世界的临床环境中表现不佳.
- 患者和医疗服务提供者愿意共享数据受到获得护理,信任,权利,控制和透明度的影响.
结论:
- 在皮肤病学中增强人工智能需要解决数据质量和代表性偏见.
- 建立数据中心,公共算法,联合学习和透明的数据共享框架等策略至关重要.
- 开发薪酬模型和明确的透明度标准可以激励更多的人工智能开发数据参与.
