应急和创伤放射学中的人工智能:ASER AI/ML专家小组关于研究准则,实践和优先事项的Delphi共识声明
David Dreizin1, Garvit Khatri2, Pedro V Staziaki3
1Emergency and Trauma Imaging, Department of Diagnostic Radiology and Nuclear Medicine, R Adams Cowley Shock Trauma Center, University of Maryland School of Medicine, Baltimore, MD, USA. daviddreizin@gmail.com.
Emergency radiology
|December 23, 2024
概括
本研究概述了应急和创伤放射学人工智能 (AI) 研究的最佳实践. 在AI开发的透明报告,外部数据验证和性能基准测试方面达成了专家共识.
科学领域:
- 医疗成像医学成像
- 放射学中的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 应急/创伤放射学 人工智能 (AI) 在所有技术准备水平上都在进步.
- 研究和开发 (R&D) 涵盖数据策划,算法开发和市场后监测.
研究的目的:
- 建立关于紧急/创伤放射学AI最佳研究实践的专家共识文件.
- 确定AI在紧急和创伤放射学中的方法优先事项.
主要方法:
- 一个德尔菲共识练习,涉及ASER AI/ML专家小组 (2022-2024).
- 两个轮的匿名RAND/UCLA利克特等级分级与基于Web和Excel的数据捕获.
- 关键主题包括策划,有效性,人为因素,工作流,障碍,未来途径和道德.
主要成果:
- 在81项 (第1轮) 和78项 (第2轮) 的65项声明上达成共识.
- 一致的共识侧重于透明报告,外部数据验证以实现概括性,以及强有力的绩效基准评估.
- 86%的小组成员响应了第一轮,在第二轮中,学率为17%.
结论:
- 开发的文件作为紧急和创伤放射学AI研究最佳实践的框架.
- 它旨在鼓励该领域的研究人员进一步讨论和合作.
关键词:
在 ASERER 中,您可以使用 ASERER.人工智能的人工智能是人工智能.计算机辅助检测 计算机辅助检测达成共识声明 达成共识声明德尔菲的研究研究研究.紧急情况 紧急情况紧急辐射学 紧急辐射学图像成像技术可以提供图像.机器学习 机器学习这是一份职位论文.放射学 放射学是一门学科.研究重点研究重点.创伤是一个创伤.创伤放射学 创伤放射学更多相关视频
09:52Setting Up a Stroke Team Algorithm and Conducting Simulation-based Training in the Emergency Department - A Practical Guide
Published on: January 15, 2017
17.1K
11:27A Modified Sonographic Algorithm for Image Acquisition in Life-Threatening Emergencies in the Critically Ill Newborn
Published on: April 7, 2023
6.1K
