XiaoMi-AI文件搜索系统
World File Search Systemwust
推荐引用 推荐引用 Antes, Alison L; Burrous, Sara; Sisk, Bryan A; Schuelke, Matthew J; Keune, Jason D; 和 DuBois, James M，“探索人工智能支持的医疗技术的看法：一项基于场景的在线调查。” BMC 医学信息学和决策。21，1。221 (2021)。https://digitalcommons.wustl.edu/oa_4/840
摘要背景：医疗保健预计将越来越多地将人工智能 (AI) 技术融入患者护理。了解对这些工具的看法对于成功开发和采用至关重要。这项探索性研究衡量了参与者对人工智能驱动的医疗保健技术的开放程度、关注程度和感知到的益处。我们还探讨了这些看法的社会人口、健康相关和社会心理相关性。方法：我们开发了一个测量方法，描述了六种人工智能驱动的技术，这些技术可以诊断、预测或建议治疗。我们使用众包平台 MTurk 对美国成年人 (N = 936) 进行了在线调查，并实施了该测量。参与者表明了他们对在医疗保健场景中使用人工智能技术的开放程度。场景中附有反映每种技术的潜在担忧和好处的项目。参与者评估了担忧和好处的陈述对他们对该技术的好感程度的影响程度。参与者完成了社会人口、健康变量和心理社会变量（如对医疗保健系统的信任和对技术的信任）的测量。对关注和收益项目的探索性和验证性因素分析确定了两个代表总体关注水平和感知收益的因素。描述性分析考察了开放性、关注度和感知收益的水平。相关性分析探讨了社会人口、健康和社会心理变量与开放性、关注度和收益分数之间的关联，而多变量回归模型则同时考察了这些关系。结果：参与者对人工智能驱动的医疗技术持中等开放态度（M = 3.1/5.0 ± 0.9），但根据应用类型的不同而有所不同，关注点和收益的陈述影响了观点。对医疗保健系统的信任和对技术的信任是开放性、关注度和感知收益最强、最一致的相关因素。大多数其他社会人口、健康相关和社会心理变量的关联性较弱或没有关联，但多变量模型表明某些人格特征（例如，尽责性和宜人性）和社会人口统计学（例如，全职工作、年龄、性别和种族）与感知略有相关。结论：参与者的开放程度似乎很脆弱，这表明早期推广策略和使用新型人工智能技术的经验可能会对观点产生重大影响，尤其是当人工智能技术的实施增加或削弱信任时。这些发现的探索性质值得进一步研究。
推荐引用 推荐引用 Bardis, Michelle D; Houshyar, Roozbeh; Chang, Peter D; Ushinsky, Alexander; Glavis-Bloom, Justin; Chahine, Chantal; Bui, Thanh-Lan; Rupasinghe, Mark; Filippi, Christopher G; 和 Chow, Daniel S，“人工智能在前列腺多参数 MRI (mpMRI) 中的应用：当前和新兴趋势。”《癌症》（巴塞尔）。12，5。1204 (2020)。https://digitalcommons.wustl.edu/open_access_pubs/9270
摘要：前列腺癌是全球最常见的癌症之一。多参数磁共振成像 (mpMRI) 是一种非侵入性工具，可以改善前列腺病变的检测、分类和体积量化。机器学习 (ML) 是人工智能的一个分支，可以快速准确地分析 mpMRI 图像。ML 可以提供更好的标准化和一致性来识别前列腺病变并增强前列腺癌管理。本综述总结了 ML 在前列腺 mpMRI 中的应用，并重点关注前列腺器官分割、病变检测和分割以及病变表征。进行了文献检索，以查找将 ML 方法应用于前列腺 mpMRI 的研究。迄今为止，前列腺器官分割和体积近似已经使用各种 ML 技术很好地执行。前列腺病变检测和分割对于 ML 来说是更具挑战性的任务，并在多项研究中进行了尝试。由于数据稀缺和当前 ML 算法的局限性，它们在很大程度上仍未解决。相比之下，由于数据可用性更高，前列腺病变表征已在多项研究中成功完成。总体而言，ML 完全有能力成为一种提高放射科医生准确性和速度的工具。