联系我们:
保健研究方案最近发布白皮书题目AI保健,标题-怎样开机应用AI工具实践时应考虑什么
本文后台正探索如何支持保健利害相关方理解AI通过过程并解决我们提出的某些考虑问题
DNV参与北欧创新项目、两个地平线2020研究项目和NFR资助博士全部使用人工智能改善健康结果
联邦Health目标在于利用电子健康记录系统非结构化数据的潜力,在北欧开发联盟式卫生数据网络,使用分布式机器学习来确保数据隐私,同时处理多语言多语种临床文本DNV正牵头识别和分析实施联想学习法的障碍并绘制解决办法以克服这些障碍DNV还评估为联想学习基础选择的数据和模型安全
实战目的是通过开发现实世界数据平台和临床管理平台将个性化医学干预带入精神病学,通过新手智能和机器学习工具改善和优化精神失常处理DNV牵头探索活动确定和分析信任安全性、安全性和透明度需求,并评估监管要求和指南,以便能够合法和有道德地访问数据集并分享数据供独立方进一步利用
AI-MIND目的是通过开发基于AI的新工具减少痴呆负担,支持保健专业人员预测痴呆症,从而使病人能够提前干预DNV参与包括提供法律和道德数据处理指南开发数据治理和数据管理框架框架设计并实现数据模型并开发实施持续数据质量保证方法
NFR资助的博士项目中,DNV与奥斯陆大学医院、挪威癌症注册局和奥斯陆大学正在探索如何评估合成数据开发验证用以确保保健安全实施AI保健数据固有敏感性往往难以分享和处理,合成数据日益被视为加速开发过程同时保护患者隐私的实用方法。项目还将调查重新识别风险及其在不同使用案例假设中的法律后果