印度正经历着向软件定义汽车 (SDV) 的快速转变,通过电气化、自动驾驶和连接方面的进步改变了汽车生态系统。Tata Elxsi 的高级架构师 Sreeja KS 解释了 SDV 如何将硬件与软件分离,实现无缝更新和云集成,从而提高车辆性能和客户体验。Tata Elxsi 支持 OEM 减少 ECU 和接线重量,同时利用 AI-ML 对电动汽车进行预测分析,例如电池健康和续航里程估计。尽管存在云策略模糊性和延迟问题等挑战,但 SDV 的分阶段采用正在获得发展势头,乘用车处于领先地位。
2022 年 12 月 3 日 据估计,美国有 74% 的成年人会访问互联网,其中高达 80% 的人会在网上寻找健康信息。然而,只有 12% 的美国成年人被评估为具备熟练的健康素养,能够有意义地解读健康信息。全球数十亿个人在社交媒体平台上获取医疗保健信息,他们可能会接触到误导性、有害或不相关的信息。社交媒体平台缺乏把关,对公共健康产生了严重的不利影响。美国国家医学院 (NAM) 和世界卫生组织 (WHO) 等组织强调了规范性指南的重要性,这些指南对于通过技术支持的解决方案在社交媒体上识别可靠的健康信息来源至关重要。从社交媒体使用中收集的数字跟踪数据的可用性以及通过算法进行的信息搜索的普遍性,需要更好地理解内容审核挑战和规范性干预措施,将人类智能融入机器学习。 2021 年,美国卫生局局长的咨询报告指出,社交媒体平台迫切需要扩大高质量的健康信息。我们借鉴患者教育材料评估工具 (PEMAT),这是一种系统化的视听教育材料评估方法,开发了一种从患者教育角度评估视频可理解性的方法。我们从 YouTube 中提取视频特征和元数据,开发了一种人机互动评估,该评估明确侧重于人机算法交互,结合基于 PEMAT 的患者教育结构、领域专家的注释和机器学习的共同训练方法,以评估糖尿病视频的可理解性。我们进一步研究了可理解性对视频参与度的几个维度的影响。讨论了对研究和实践的影响。致谢:作者感谢 AIDR 研讨会、AMIA、机器学习、优化和数据科学会议、Informs 数据科学研讨会、VIDE 研讨会系列、Neurips MLPH、WITS、WISE 和 SCECR 会议的参与者对本文早期草稿的评论,以及波士顿大学、麦吉尔大学、麻省理工学院、MSU Outreach、马里兰大学、纽约大学、天普大学、德克萨斯 A&M 大学和伊利诺伊大学芝加哥分校的研讨会参与者对本文早期草稿的评论。我们感谢 Ernestina Bioh、Sreeja Nair、Mukund Nakhate 和 Namrata Navge 的研究协助。我们还要感谢美国国家医学图书馆 (NIH Grant R01LM013443) 的资助。
致谢 我无法用言语完全表达我对在医学院学习期间给予我鼓励和支持的人的感激之情,但我会尽我所能。首先要感谢 William Damsky 博士,他是世界各地所有有抱负的学术皮肤科医生的不知疲倦的导师和灵感源泉。没有您,这项工作根本不可能完成,我永远感激我有机会在这些项目中为自己开辟一席之地。感谢 Nicole Olszewski LPN,她和 Damsky 博士组成了我们的三人团队,在各个房间之间奔波看望我们的试验参与者,并做了难以量化的幕后工作以推动临床试验的进展。感谢耶鲁临床研究中心团队的其他成员,他们参与了这些试验,让耶鲁的临床研究顺利进行,并且始终把患者放在第一位。感谢学生研究办公室为我的研究工作提供指导和资金。感谢 TWI Biotechnology 和辉瑞公司对这些试验的赞助和支持。还要感谢这些临床试验的参与者,他们不求回报地抽出时间与我们分享他们的生活故事,以推动科学发展并改善对其他患有环状肉芽肿的人的治疗。我还要感谢那些陪伴我一生的人。如果没有我的家人,我就不会有今天的成就,他们是我最无条件的支持,我把他们当作自己的家。妈妈和爸爸——你们为孩子们经历了这么多,但你们给予的爱却是无限的。我们永远都不会感激。菲比和奥黛丽——我从出生以来最好的朋友。菲比,你的个人经历和我的职业轨迹交织在一起,我对你的性格、身份和价值观的力量感到敬畏。奥黛丽,你是我们家庭的中心,你给我们的生活带来了欢笑、文化和恰到好处的态度。尽管我们三人可能会争吵打架,但我们的姐妹情谊从未动摇,我知道你们俩会为我出力,毫无疑问。还要感谢我的表弟卡尔文,他在医学领域开辟了道路。谢谢卢卡斯,你从未动摇对我的支持,看到我的本来面目,并站在我身边。感谢凯瑟曼一家。最后,感谢那些我在耶鲁大学和纽黑文的朋友;我无法一一列举,但特别感谢格洛丽亚·陈、迈克尔·凯姆、斯里贾·科达利、穆兹·穆罕默德·希图、凯里·格林和瑞安·范。