XiaoMi-AI文件搜索系统
World File Search Systemexploratory
通过风险管理调查人工智能问责制：一项基于研讨会的探索性研究
人工智能 (AI) 在我们社会中的影响力正在不断扩大。企业越来越多地考虑使用 AI 模型，因为它们提供了新的应用可能性。因此，简单的方法正在被可以补充甚至超越人类能力的复杂系统所取代。这导致公司流程通过独立自主的 AI 系统进行转变。然而，这些能力和复杂性的增加提出了新的问题，即如何管理基于 AI 的应用程序的预测、决策或行动。人们经常讨论谁应该对 AI 系统的结果负责，因此谁应该对它负责的问题。特别是，当试图让某人对基于 AI 的系统的结果负责时，存在特定的模糊性和困难。已经阐明了 AI 的几个责任差距（Santoni de Sio 和 Mecacci，2021 年）。责任差距源于人类渴望知道发生伤害的原因，尤其是如果原因是由于过错，则希望为其辩护或惩罚它（Santoni de Sio
汽车行业中的探索性案例研究
本研究调查了供应链参与者之间知识共享的作用，在促进其采用行业4.0技术方面，确定了阻碍或促进这种知识共享的因素。借鉴了深入的单个案例研究，其中包括对德国汽车行业的一家制造公司的19次访谈，以及焦点公司供应链中的五个供应商和客户，该研究确定了以下知识共享方法，以促进采用行业4.0：1）。 2）上游知识流； 3）战略定位； 4）与应用相关性。这些AP促进者被证明受公司相关因素和关系因素的影响。采用基于知识的公司的观点，本研究通过研究知识共享在采用行业4.0中的作用，不仅是从单个焦点公司的角度来解决了当前研究的差距，而且还研究了供应链中上游和下游供应商和客户的角度。在提出知识共享的方法中，基于公司现有资源促进行业4.0的实施时，本研究也与从业人员直接相关。
重新利用全身麻醉的脑电图监测来建立大脑老化的生物标志物：一项探索性研究
重新利用全身麻醉的脑电图监测来建立大脑老化的生物标志物：一项探索性研究 David Sabbagh* a,b 、Jérôme Cartailler a,c 、Cyril Touchard c 、Jona Joachim c 、Alexandre Mebazaa a,c 、Fabrice Vallée a,b,c 、Étienne Gayat a,c 、Alexandre Gramfort b 、Denis A. Engemann* b,d,ea 巴黎大学，INSERM，U942 MASCOT，F-75006，法国巴黎 b 巴黎萨克雷大学，因里亚，CEA，帕莱索，法国 c 麻醉和重症监护医学系，AP-HP，Hôpital Lariboisière，F-75010，法国巴黎 d 马克斯·普朗克人类认知和脑科学研究所，系神经病学， D-04103，德国莱比锡和罗氏制药研究与早期开发、神经科学和罕见疾病、罗氏巴塞尔创新中心、F.霍夫曼 - 罗氏有限公司，瑞士巴塞尔 通讯：* david.sabbagh@inria.fr，denis.engemann@roche.com 背景：EEG 是监测麻醉深度的常用工具，但很少在生物医学研究中重新使用。本研究旨在探索在麻醉期间重新利用 EEG 来了解在失去意识的情况下大脑衰老的生物标志物。 方法：我们以大脑年龄估计为例。使用机器学习，我们重新分析了 323 名接受丙泊酚和七氟醚治疗的患者的 4 电极 EEG。我们应用最近发表的参考方法，将稳定麻醉的空间光谱特征纳入基于 EEG 的年龄预测中。当 95% 的总功率低于 8Hz 至 13Hz 之间的频率时，认为麻醉稳定。结果：我们考虑使用丙泊酚麻醉的中度风险患者（ASA <= 2）来探索预测性 EEG 特征。平均 alpha 波段功率（8-13Hz）可以提供年龄信息。然而，通过分析所有电极的整个功率谱（MAE = 8.2y，R2 = 0.65），可以实现最先进的预测性能。临床探索表明，大脑年龄与术中爆发抑制系统相关——通常与与年龄相关的术后认知问题有关。令人惊讶的是，高危患者（ASA = 3）的大脑年龄与爆发抑制呈负相关，这表明存在未知的混杂效应。二次分析显示，大脑年龄 EEG 特征是丙泊酚麻醉所特有的，这反映在七氟醚下的预测性能有限和跨药物泛化能力差。结论：全身麻醉中的脑电图可能实现最先进的脑年龄预测。然而，麻醉药物之间的差异会影响麻醉中脑电图再利用的有效性。为了释放脑电图监测在缺乏意识的情况下用于临床和健康研究的潜在潜力，收集具有精确记录的药物剂量的更大数据集将是关键的促成因素。关键词：全身麻醉、脑电图 (EEG)、脑老化、机器学习、爆发抑制、丙泊酚、七氟醚
DIADEM：一项探索性优先研究计划和……
国家新闻稿 – 巴黎 – 2022 年 6 月 7 日 由 CNRS 和 CEA 共同领导的 DIADEM 1 探索性优先研究计划和基础设施 (PEPR) 旨在通过利用人工智能 (AI) 的力量加速创新材料的使用。该项目于 2022 年 6 月 7 日启动，由 PIA 4 资助，8 年预算近 8500 万欧元。它将专注于创建四个持久的平台，作为“示范”项目的基础，这些项目将使用创新方法展示关键材料。新材料的发现对于应对与能源、交通、能源转型、数字化转型和健康有关的社会挑战至关重要。然而，这些材料变得越来越复杂。人工智能 (AI) 在努力超越这种复杂性并在短时间内解决这些紧迫问题方面至关重要。基于这些新技术的 DIADEM PEPR 是一项雄心勃勃的加速计划，旨在设计并推向市场高性能材料，这些材料既耐用又由非关键和无毒的原材料制成，从而提高法国工业的竞争力，并促进法国的经济发展。 PEPR 的活动将基于分布在法国领土上的四个平台，以综合方式结合建模、数值模拟、人工智能方法、合成筛选技术和高通量表征。这些平台占 DIADEM 总预算的 40%。这些持久平台创造的协同效应将促进材料科学的创新能力。为了证明这一点，在其领域获得国际认可的科学家将基于这些平台开展“示范”项目。其中七个项目（平台和演示）已经启动，另外七个将于 9 月启动，另外三个将于 2022 年底启动。他们将展示感兴趣的材料以及战略技术的发展（3D 和 4D 打印、微流体、机器人化等），还将展示新方法的可行性。PEPR 将把近 40% 的预算用于 30 个项目，这些项目将从 2024 年开始通过三次面向广大法国社区的征集提案来选出，估计法国社区有近 4,000 名科学家。这些项目将依靠 PEPR 创建的平台，并将强调其国际性，尤其是欧洲合作。还将征集一项意向书，用于对法国科学家进行初步和专业培训，预算为 300 万欧元。
机器学习方法的探索性应用，以优化对饮食失调症状的数字干预措施的预测
Dwyer，D。和Choi，K。（2021）。在预测精神病学治疗结果时，机器学习的希望。世界精神病学，20（2），154 - 170。https：//doi.org/10.1002/wps.20882 Chien，I.，Enrique，A.，Palacios，J.，Regan，T.，Keegan，T.，Keegan，D. （2020）。一种机器学习方法，以了解与互联网交付的心理健康相互作用的互动模式。JAMA Network Open，3（7），E2010791。https://doi.org/10。 1001/jamanetworkopen.2020.10791 Christodoulou，E.，Ma，J.，Collins，G.S.，Steyerberg，E.W. （2019）。 系统的综述显示机器学习对临床预测模型的逻辑回归没有任何绩效益处。 临床流行病学杂志，110，12 - 22。https：// doi。 org/10.1016/j.jclinepi.2019.02.004 Fitzsimmons-Craft，E。E. Jacobi，C.，Jo，B.，Trockel，M。T.和Wilfley，D。E.（2020）。 数字认知行为疗法的有效性 - 对大学女性饮食失调的指导自助干预：一项群集随机临床试验。 JAMA Network Open，3（8），E2015633。 https://doi.org/10.1001/jamanetworkopen.2020.15633 Flygare，O. BMC精神病学，20（1），1 - 9。https：// doi。 统计软件杂志，33（1），1 - 22。https://doi.org/10。1001/jamanetworkopen.2020.10791 Christodoulou，E.，Ma，J.，Collins，G.S.，Steyerberg，E.W.（2019）。系统的综述显示机器学习对临床预测模型的逻辑回归没有任何绩效益处。临床流行病学杂志，110，12 - 22。https：// doi。org/10.1016/j.jclinepi.2019.02.004 Fitzsimmons-Craft，E。E. Jacobi，C.，Jo，B.，Trockel，M。T.和Wilfley，D。E.（2020）。数字认知行为疗法的有效性 - 对大学女性饮食失调的指导自助干预：一项群集随机临床试验。JAMA Network Open，3（8），E2015633。https://doi.org/10.1001/jamanetworkopen.2020.15633 Flygare，O.BMC精神病学，20（1），1 - 9。https：// doi。统计软件杂志，33（1），1 - 22。预测互联网传递认知行为疗法后身体障碍障碍的预测因素：一种机器学习方法。org/10.1186/s12888-020-02655-4 Friedman，J.，Hastie，T。，＆Tibshirani，R。（2010）。通过坐标下降的通用线性模型的正规化路径。Hettige，N。C.，Nguyen，T。B.，Yuan，C.，Rajakulendran，T.，Baddour，J.，Bhagwat，N.，Bani-Fatemi，A.，Voineskos，A.N. 使用社会文化和临床特征对精神分裂症中自杀式定位的分类：一种机器学习方法。 综合医院精神病学，47，20 - 28。https：//doi.org/10.1016/j.genhosppsy.2017.03.001 Hooker，S。（2021）。 超越“算法偏差是数据问题”。 模式，2（4），100241。 Jordan，M。I.和Mitchell，T。M.（2015）。 机器学习：趋势，敏感和前景。 Science，349（6245），255 - 260。https：//doi.org/10。 1126/science.AAA8415库恩。 （2021）。 caret：分类和回归培训。 r软件包ver- sion 6.0-88。 https://cran.r-project.org/package = Caret Lee，Y. N.，Zuckerman，H.，Chen，V。C.，Ho，R.，Rong，C。和McIntyre，R。（2018年）。 机器学习算法的应用以预测抑郁症的治疗结果：元分析和系统评价。 做Hettige，N。C.，Nguyen，T。B.，Yuan，C.，Rajakulendran，T.，Baddour，J.，Bhagwat，N.，Bani-Fatemi，A.，Voineskos，A.N.使用社会文化和临床特征对精神分裂症中自杀式定位的分类：一种机器学习方法。综合医院精神病学，47，20 - 28。https：//doi.org/10.1016/j.genhosppsy.2017.03.001 Hooker，S。（2021）。超越“算法偏差是数据问题”。模式，2（4），100241。Jordan，M。I.和Mitchell，T。M.（2015）。 机器学习：趋势，敏感和前景。 Science，349（6245），255 - 260。https：//doi.org/10。 1126/science.AAA8415库恩。 （2021）。 caret：分类和回归培训。 r软件包ver- sion 6.0-88。 https://cran.r-project.org/package = Caret Lee，Y. N.，Zuckerman，H.，Chen，V。C.，Ho，R.，Rong，C。和McIntyre，R。（2018年）。 机器学习算法的应用以预测抑郁症的治疗结果：元分析和系统评价。 做Jordan，M。I.和Mitchell，T。M.（2015）。机器学习：趋势，敏感和前景。Science，349（6245），255 - 260。https：//doi.org/10。1126/science.AAA8415库恩。（2021）。caret：分类和回归培训。r软件包ver- sion 6.0-88。 https://cran.r-project.org/package = Caret Lee，Y. N.，Zuckerman，H.，Chen，V。C.，Ho，R.，Rong，C。和McIntyre，R。（2018年）。机器学习算法的应用以预测抑郁症的治疗结果：元分析和系统评价。做情感障碍杂志，241，519 - 532。https：//doi.org/10.1016/j.jad.2018.08.073 Lekkas，D.，Price，G.，McFadden，J。，J。，＆Jacobson，J。，＆Jacobson，N.C。（2021）。机器学习到在线正念干预数据的应用：合规性评估中的底漆和经验示例。正念，12（10），2519 - 2534。https：//doi.org/10.1007/s12671-021-021-021-01723-4 Linardon，J.，J.，Messer，M.，Shatte，M.，Shatte，Shatte，Shatte，A.
解决刀具犯罪的有效方法：一项探索性研究
“刀具犯罪”在这里被简称为在公共场所使用和携带刀具的儿童和年轻人，近年来这种犯罪行为一直在增加。目前的证据表明，刀具犯罪是由贫困、边缘化、不良童年经历 (ACE)、创伤、恐惧和受害（包括剥削）等多种因素共同造成的。青少年犯罪小组 (YOT) 的职责之一是负责与有可能参与刀具犯罪或被判犯有刀具犯罪的儿童（10-17 岁）合作。青少年犯罪小组是跨学科团队，根据当地需求提供多机构意见。他们提供监督和干预计划，重点是停止犯罪，并支持儿童避免犯罪和再次犯罪，过上健康积极的生活。尽管青少年犯罪小组越来越多地跨地方政府边界共享或共同委托服务，但仍需要更好地了解有效的青少年犯罪活动，以便改进实践共享，并可能节省资金。
确定单个认知性状的四个混杂因素和功能连接性：探索性研究
静止状态功能连接性（RSFC）已被广泛用于个性化性状预测。但是，多个混杂因素可能会影响预测的脑行为关系。在这项研究中，我们研究了4种混杂因素的影响，包括时间序列长度，功能连通性（FC）类型，脑部细化选择和预测目标的差异。使用人类Connectome项目的数据，包括1,206名健康受试者，具有3个认知特征，包括流体智能，工作记忆和图片词汇能力，作为预测目标。我们使用部分最小平方回归比较了这4个因素的不同设置下的预测性能。结果表明，适当的时间序列长度（300个时间点）和脑部分割（独立组件分析，ICA100/200）可以实现更好的预测性能而不会消耗太多时间。FC由Pearson，Spearman和部分相关计算得出的精度和更低的时间成本比共同信息和连贯性更高。认知性状在受试者之间具有较大差异的认知性状可以更好地预测，这是由于对个体变异性的良好阐述。此外，增加扫描持续时间到预测的有益效果部分是由RSFC的重新测试可靠性提高的。综上所述，该研究强调了基于RSFC的预测中确定这些因素的重要性，这可以促进基于RSFC的预测管道的标准化。
通讯作者 Mohamed M. Abuzaid，mabdеlfatah@sharjаh.ac.ae 人工智能 (AI) 对物理治疗实践的影响：物理治疗师意愿和准备度研究 1 沙迦大学健康科学学院医学诊断成像系，阿联酋沙迦 2 沙迦大学健康科学学院物理治疗系，阿联酋沙迦 3 开罗大学物理治疗学院，埃及开罗 摘要：分析人工智能 (AI) 的现状是将其融入物理治疗实践的关键第一步。因此，本研究旨在评估物理治疗师 (PT) 对 AI 实施的看法、知识和接受意愿。 2021 年 10 月至 12 月，对在阿拉伯联合酋长国 (UAE) 工作的 PT 进行了探索性横断面在线问卷调查。先前经过验证的调查收集了参与者的人口统计信息、看法、知识、准备情况以及将 AI 融入实践的挑战。结果显示，PT 对 AI 的了解相当匮乏。大多数参与者都赞赏 AI 应用的作用，并期望它将在实践中发挥重要作用。参与者指出，缺乏教育资源和适当的培训是 AI 整合的主要挑战。参与者表达了将 AI 纳入本科和研究生课程的强烈愿望。将 AI 融入物理治疗实践的兴奋需要努力为学生和专业人士提供教育和培训。物理治疗师担心，通过适当的准备来提高对 AI 角色和挑战的认识，可以消除工作干扰。将 AI 应用于 PT 实践将塑造物理治疗师的医疗保健服务和教育的未来。AI 将为患者和提供者提供更快的诊断、更好的性能和准确的结果。即使在人工智能在物理治疗中实施的早期阶段，人工智能的应用也提出了问题并增加了期望。关键词：人工智能、深度学习、物理治疗、物理治疗师、知识、实践。 人工智能在物理治疗实践中的影响：物理治疗师愿意和准备情况的研究
通讯作者 Mohamed M. Abuzaid，mabdеlfatah@sharjаh.ac.ae 人工智能 (AI) 对物理治疗实践的影响：物理治疗师意愿和准备度研究 1 沙迦大学健康科学学院医学诊断成像系，阿联酋沙迦 2 沙迦大学健康科学学院物理治疗系，阿联酋沙迦 3 开罗大学物理治疗学院，埃及开罗 摘要：分析人工智能 (AI) 的现状是将其融入物理治疗实践的关键第一步。因此，本研究旨在评估物理治疗师 (PT) 对 AI 实施的看法、知识和接受意愿。 2021 年 10 月至 12 月，对在阿拉伯联合酋长国 (UAE) 工作的 PT 进行了探索性横断面在线问卷调查。先前经过验证的调查收集了参与者的人口统计信息、看法、知识、准备情况以及将 AI 融入实践的挑战。结果显示，PT 对 AI 的了解相当匮乏。大多数参与者都赞赏 AI 应用的作用，并期望它将在实践中发挥重要作用。参与者指出，缺乏教育资源和适当的培训是 AI 整合的主要挑战。参与者表达了将 AI 纳入本科和研究生课程的强烈愿望。将 AI 融入物理治疗实践的兴奋需要努力为学生和专业人士提供教育和培训。物理治疗师担心，通过适当的准备来提高对 AI 角色和挑战的认识，可以消除工作干扰。将 AI 应用于 PT 实践将塑造物理治疗师的医疗保健服务和教育的未来。AI 将为患者和提供者提供更快的诊断、更好的性能和准确的结果。即使在人工智能在物理治疗中实施的早期阶段，人工智能的应用也提出了问题并增加了期望。关键词：人工智能、深度学习、物理治疗、物理治疗师、知识、实践。 人工智能在物理治疗实践中的影响：物理治疗师愿意和准备情况的研究
高性能医疗保健模拟中心的实施策略：中国的多中心探索性案例研究
1。Issenberg SB，McGaghie WC，Hart IR等。用于医疗保健专业技能培训和评估的模拟技术。JAMA。 1999; 282（9）：861-866。 doi：10.1001/jama.282.9.861 2。 Healthcare S. Sim Center目录中的模拟学会。 https：//www.ssih.org/home/sim-center-directory。 出版了2021年。 2021年11月6日访问。 3。 Fang C，Zhou Y，Hu S，Chen S，Liu J，Wu Z. 考虑了标准化居民培训基础评估和认证的整合。 Chin J Grad Med Edu。 2021; 5（5）：385-390。 4。CooperRB，Zmud RW。 信息技术实施研究：一种技术扩散方法。 托管科学。 1990; 36（2）：123-139。 doi：10.1287/mnsc.36.2.123 5。 医疗保健S.认证标准的模拟学会。 社会医疗保健中的模拟。 https://www.ssih.org/credentialing/JAMA。1999; 282（9）：861-866。 doi：10.1001/jama.282.9.861 2。 Healthcare S. Sim Center目录中的模拟学会。 https：//www.ssih.org/home/sim-center-directory。 出版了2021年。 2021年11月6日访问。 3。 Fang C，Zhou Y，Hu S，Chen S，Liu J，Wu Z. 考虑了标准化居民培训基础评估和认证的整合。 Chin J Grad Med Edu。 2021; 5（5）：385-390。 4。CooperRB，Zmud RW。 信息技术实施研究：一种技术扩散方法。 托管科学。 1990; 36（2）：123-139。 doi：10.1287/mnsc.36.2.123 5。 医疗保健S.认证标准的模拟学会。 社会医疗保健中的模拟。 https://www.ssih.org/credentialing/1999; 282（9）：861-866。 doi：10.1001/jama.282.9.861 2。Healthcare S. Sim Center目录中的模拟学会。https：//www.ssih.org/home/sim-center-directory。出版了2021年。2021年11月6日访问。3。Fang C，Zhou Y，Hu S，Chen S，Liu J，Wu Z. 考虑了标准化居民培训基础评估和认证的整合。 Chin J Grad Med Edu。 2021; 5（5）：385-390。 4。CooperRB，Zmud RW。 信息技术实施研究：一种技术扩散方法。 托管科学。 1990; 36（2）：123-139。 doi：10.1287/mnsc.36.2.123 5。 医疗保健S.认证标准的模拟学会。 社会医疗保健中的模拟。 https://www.ssih.org/credentialing/Fang C，Zhou Y，Hu S，Chen S，Liu J，Wu Z.考虑了标准化居民培训基础评估和认证的整合。Chin J Grad Med Edu。 2021; 5（5）：385-390。 4。CooperRB，Zmud RW。 信息技术实施研究：一种技术扩散方法。 托管科学。 1990; 36（2）：123-139。 doi：10.1287/mnsc.36.2.123 5。 医疗保健S.认证标准的模拟学会。 社会医疗保健中的模拟。 https://www.ssih.org/credentialing/Chin J Grad Med Edu。2021; 5（5）：385-390。4。CooperRB，Zmud RW。信息技术实施研究：一种技术扩散方法。托管科学。1990; 36（2）：123-139。 doi：10.1287/mnsc.36.2.123 5。 医疗保健S.认证标准的模拟学会。 社会医疗保健中的模拟。 https://www.ssih.org/credentialing/1990; 36（2）：123-139。 doi：10.1287/mnsc.36.2.123 5。医疗保健S.认证标准的模拟学会。社会医疗保健中的模拟。https://www.ssih.org/credentialing/
活跃人士的生物、心理、社会和精神健康......
作者：M Lacks · 2022 · 被引用 3 次 — 关键词：现役、生物心理健康、女性、军事、性骚扰、灵性、美国。简历。简介：代表女性更多...