摘要在为无行为能力的患者做出替代判断时,代理人经常努力猜测患者有能力会想要什么。代理人也可能因(唯一)做出这种决定的责任而感到痛苦。为了解决此类问题,已经提出了一种患者偏好预测因子(PPP),该预测因素将使用算法从人群级别的数据中推断出单个患者的治疗偏好,以了解具有相似人口统计学特征的人的已知偏好。然而,批评家们已经表明,即使这种PPP平均比人类替代者更准确,在识别患者偏好方面,拟议的算法仍然无法尊重患者(以前的)自主权,因为它会借鉴“错误的”数据:对于个人而言,这些数据不适合个人的数据,因此他们不适合他们的挑战,并且他们的实际原因是他们的实际原因,或者是实际的,或者是实际上的,或者是实际上的,或者是实际的,或者是实际的,或者是实际的,或者是实际上所依据的,或者是实际的原因。在船上受到这样的批评,我们在这里提出了一种新方法:个性化的患者偏好预测因子(P4)。P4基于机器学习的最新进展,该技术允许包括大型语言模型在内的技术更便宜,更有效地“微调”在特定于人的数据上。与PPP不同,P4将能够从实际上特定于其特定的材料(例如先前的治疗决策)中推断出单个患者的偏好。因此,我们认为,除了在个体水平上比以前提出的PPP更准确,P4的谓词还将更直接地反映每个患者自身的原因和价值观。在本文中,我们回顾了人工智能研究中的最新发现,这些发现表明P4在技术上是可行的,并认为,如果它是开发和适当部署的,则应缓解一些基于自主的主要关注原始PPP的批评者的关注。然后,我们考虑对我们的提案的各种异议,并提供一些暂定的答复。
摘要:随着针对意识障碍 (DoC) 患者的临床试验领域的扩大,考虑相关的伦理挑战和机遇变得越来越重要。在患有意识障碍的脆弱人群中负责任地开展研究,包括昏迷、植物人状态/无反应觉醒综合征 (VS/UWS)、微意识状态 (MCS)、隐性皮质处理 (CCP) 和认知运动分离 (CMD) 的患者,需要积极主动地考虑可能出现的独特伦理问题,并采取强有力的保护措施来保护患者、代理人和其他关键利益相关者。在这里,我们确定并批判性地评估了涉及意识障碍参与者的临床试验中的四个主要伦理考虑类别:(1)自主性、对人的尊重和具有阈限意识的个人的知情同意;(2)平衡未知的利益和风险,特别是考虑到行为和意识之间的认识论差距,这种差距使通常的主观状态归因变得复杂;(3)向代理人和临床团队披露与意识有关的研究结果; (4)公正考虑,包括跨社区和地域的公平临床试验入组机会。我们为从事 DoC 临床试验的临床医生、神经伦理学家和研究人员概述了指导原则和研究机会,以推进这一复杂但关键的研究领域的伦理研究设计和部署。
有效军事实验的障碍 . . . . . . . . . . . . 61 对替代品进行实验 . . . . . . . . . . . . . . 61 对先前工作无知或无视 . . . . . . . . . . . . 62 依赖参与者的意见 . . . . . . . . . . . . . . 62 害怕失败 . . . . . . . . . . . . . . . . 64 忽视各种失败类型之间的区别 . . . . . . . . . 64 迎合实验单位 . . . . . . . . ... . ... . ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ....................................................................................................................71
N = 分析的个体数量(每个方案集)a:普遍接受的替代指标(PT、FHA)或保护相关性(其他成分)b:出生时未接种乙肝疫苗且在出生后 3、5 个月出生的儿童(芬兰、瑞典)c:出生时接种和未接种乙肝疫苗且在出生后 6、10、14 周出生的儿童(南非共和国)d:出生时未接种乙肝疫苗且在出生后 2、3、4 个月出生的儿童(芬兰)e:出生时未接种乙肝疫苗且在出生后 2、4、6 个月出生的儿童(阿根廷、墨西哥、秘鲁)以及接种乙肝疫苗且在出生时接种乙肝疫苗的儿童(哥斯达黎加和哥伦比亚)
· “使用高斯过程的分散式信息路径规划”,NSF FRR-NRI PI 会议,美国巴尔的摩,2024 年。[海报展示] · “最佳运动动力学运动规划和信息路径规划”,计算机科学与机器人研讨会,科罗拉多矿业学院,美国戈尔登,2024 年。[口头报告] · “使用高斯过程的分散式联邦学习”,IEEE 多机器人和多智能体系统国际研讨会 (MRS),美国波士顿,2023 年。[口头报告] · “高斯过程的自适应探索-利用主动学习”,IEEE/RSJ 智能机器人与系统国际会议 (IROS),美国底特律,2023 年。[口头和海报展示] · “使用高斯过程替代物的预期方差减少进行自适应采样的闭式主动学习”美国控制会议(ACC),美国圣地亚哥,2023 年。[口头报告]·“用于多机器人系统探索的分散高斯过程学习”马里兰机器人中心研究研讨会,美国学院公园,2023 年 5 月。[口头报告 - 特邀演讲]·“用于自适应采样的高斯过程替代品的可扩展探索-利用主动学习”马里兰机器人中心研究研讨会,美国学院公园,2023 年 5 月。[海报展示]·“使用分散高斯过程的多机器人自适应采样”,分布式自主机器人系统国际研讨会(DARS),法国蒙贝利亚尔,2022 年 11 月。[海报展示]
替代物和数据驱动的适应性 AI 和 ML 能够预测尚未测量的材料和分子的特性,从而实现对合成候选物的高通量筛选。示例:高通量实验材料 (HTEM) 数据库 HTEM 数据库是世界上最大的材料数据库,包含 NREL 科学家收集的超过 140,000 个数据样本条目,这些样本用于研究用于先进能源应用(例如薄膜太阳能电池)的无机材料。与商业伙伴、其他研究组织和大学的合作有望继续扩大这一关键材料数据资源的广度和深度。
13:00-13:15 开发血管组织学的影像替代品以量化逆向重塑 Karin Tran-Lundmark 13:15-13:23 使用深度学习凝块血管放射组学和机器学习进行基于 CT 的 CTEPH 鉴别 Pietro Nardelli 13:23-13:30 第 2 阶段 INS1009-211 研究中功能性呼吸成像 (FRI) 分析的新见解:曲前列环素棕榈酰吸入粉剂 (TPIP) 对 PH-ILD 患者肺血管的影响 Colin Church 13:30-13:45 与 PVRI 和 PHA USA 的联合演讲患者报告的结果 Frances Varian
13:00-13:15开发血管组织学的成像替代物来量化反向重塑的Karin Tran-Lundmark 13:15-13:23基于CT的歧视,使用深度学习血管放射和机器学习Pietro Nardelli 13:23-13:30 Inveir frount intucir extir functir exterif intuntial Intucir exterif in function exterib exterif interif functir time1 in Ins1 2 Ins1 fri Insibriantial Insife cteph(弗里pH-dild Colin教堂患者的毛骨质棕榈吸入粉(TPIP)对肺脉管系统的影响13:30-13:45与PVRI和PHA USA患者的联合谈话报告了Frances Varian
13:00-13:15 开发血管组织学的影像替代品以量化逆向重塑 Karin Tran-Lundmark 13:15-13:23 使用深度学习凝块血管放射组学和机器学习进行基于 CT 的 CTEPH 鉴别 Pietro Nardelli 13:23-13:30 第 2 阶段 INS1009-211 研究中功能性呼吸成像 (FRI) 分析的新见解:曲前列环素棕榈酰吸入粉剂 (TPIP) 对 PH-ILD 患者肺血管的影响 Colin Church 13:30-13:45 与 PVRI 和 PHA USA 的联合演讲患者报告的结果 Frances Varian
13:00-13:15 开发血管组织学的影像替代品以量化逆向重塑 Karin Tran-Lundmark 13:15-13:23 使用深度学习凝块血管放射组学和机器学习进行基于 CT 的 CTEPH 鉴别 Pietro Nardelli 13:23-13:30 第 2 阶段 INS1009-211 研究中功能性呼吸成像 (FRI) 分析的新见解:曲前列环素棕榈酰吸入粉剂 (TPIP) 对 PH-ILD 患者肺血管的影响 Colin Church 13:30-13:45 与 PVRI 和 PHA USA 的联合演讲患者报告的结果 Frances Varian