XiaoMi-AI文件搜索系统
World File Search System决策支持
利用可解释的人工智能优化临床决策支持
1 范德堡大学医学中心生物医学信息学系，美国田纳西州纳什维尔 37203，2 范德堡大学计算机科学系，美国田纳西州纳什维尔 37212，3 范德堡大学医学中心医学系，美国田纳西州纳什维尔 37203，4 德克萨斯大学健康科学中心生物医学信息学学院，美国德克萨斯州休斯顿 77030，5 范德堡大学医学中心儿科系，美国田纳西州纳什维尔 37203，6 范德堡大学医学中心病理学、微生物学和免疫学系，美国田纳西州纳什维尔 37203，7 范德堡大学医学中心 HeathIT，美国田纳西州纳什维尔 37203，8 范德堡大学医学中心精神病学和行为科学系中心，纳什维尔，田纳西州 37203，美国 通讯作者：Siru Liu，博士，范德堡大学医学中心生物医学信息学系，2525 West End Ave #1475，纳什维尔，田纳西州 37212（siru.liu@vumc.org）
可解释的人工智能可提高决策支持系统的透明度
人工智能 (AI) 被认为是一种先进的技术，可以以高精度和精确度协助决策过程。然而，由于依赖复杂的推理机制，许多 AI 模型通常被评价为黑匣子。这些 AI 模型如何以及为何做出决策的复杂性往往无法被人类用户理解，导致人们对其决策的可接受性感到担忧。先前的研究表明，缺乏以人类可理解的形式提供的相关解释会使最终用户无法接受这些决策。在这里，可解释 AI (XAI) 的研究领域提供了广泛的方法，其共同主题是研究 AI 模型如何做出决策或解释决策。这些解释方法旨在提高决策支持系统 (DSS) 的透明度，这在道路安全 (RS) 和空中交通流量管理 (ATFM) 等安全关键领域尤其重要。尽管不断发展，但 DSS 仍处于安全关键应用的发展阶段。 XAI 带来的透明度提高，成为使这些系统在实际应用中可行、解决可接受性和信任问题的关键推动因素。此外，根据欧盟委员会目前授予的解释权以及世界各地组织的类似指令，认证机构不太可能批准这些系统用于一般用途。这种将解释渗透到现行系统中的迫切愿望为以 DSS 为中心的 XAI 研究铺平了道路。
物流活动外包，以开发决策支持工具
这项工作旨在以一种非常务实的方式模拟物流活动外包的现实。因此，我们的目标不是提出管理物流链的新方法，而是提出一个分析和建模框架，能够更好地解释面临外包物流活动风险的行业现实。为此，我们对大众配送领域的物流外包风险管理进行了分析。首先，对现有的主要方法进行了分析，以便做出最适合研究背景的工具的相关选择，因此我们推荐使用 ARIS 模型。风险识别过程包括以尽可能详尽的方式列出可能对任何大规模分销公司产生影响的所有风险。
混合决策支持以监测预防中风的房颤
摘要：在本文中，我们讨论了混合决策支持，以监视预防中风的房间效果。混合决策支持采用人类专家和机器算法的形式，该算法在诊断方面合作。预防中风的联系源于以下事实：心房颤动（AF）患者的中风风险增加了。早期诊断会导致足够的AF治疗，可以将中风风险降低66％，从而防止中风。监测服务基于心率（HR）测量。通过物联网（IoT）技术传达并存储所得信号。深度学习（DL）算法自动估计AF概率。基于这项技术，我们可以为医疗保健提供者提供四种不同的服务：（1）普遍访问患者数据； （2）自动AF检测和警报； （3）医师支持； （4）反馈渠道。这四个服务创造了一个环境，医师可以与机器算法共生，以建立和传达高质量的AF诊断。
对美国的决策支持 - 零碎的环境和电力系统建模能力
摘要可再生能源过渡正在导致美国和加拿大之间的电力贸易增加，加拿大水力发电提供了公司的低碳电源以及美国风和太阳能发电的可变性但是，长期购买协议和跨务传输项目是有争议的，魁北克，加拿大和美国东北部之间的四个拟议传输线被取消了2018年以来。在这里，我们认为，与替代方案相比，缺乏开源数据和工具来理解新水力发电生成和传输基础设施的权衡，这使争议加剧了。此差距包括增量传输和发电项目对整个系统经济学的影响，例如，新的传输项目如何影响对现有市场的出口或激励新一代。我们确定了数据合成和模型开发的优先领域，例如在能源系统模型中整合链接的水力发电和水文相互作用，并公开释放（通过公用事业）或（由研究人员）（研究人员）水力发电和操作参数。公开可用的环境（例如流量，降水）和技术经济（例如成本，储层尺寸，）数据可用于参数化自由使用且可扩展的模型。现有模型已通过加拿大公用事业的运营数据进行了校准，这些数据限制了这些工具已用于回答的科学和商业问题范围以及所涉及的当事方范围。使用高度解决的国家规模的公共数据进行的研究在其他国家（尤其是美国）存在，并证明了更大的透明度和可扩展性如何推动行业行动。改善加拿大的数据可用性可以促进（1）增加广泛参与者参与脱碳计划的方法； （2）允许公众对环境，健康和经济成果的独立特征； （3）确定与社区价值一致的脱碳途径。
基因组学，临床决策支持组合削减了42％
“如果在整个Medicare家庭健康人群中复制，这将节省数十亿美元和数千人的生命。”“这不仅达到了三重目标的目标，而且还带来了一个问题，何时成为患者的安全问题，因为这不是成为多药患者护理标准的一部分。”
开放、多元、附属。关系人工智能时代的决策支持
摘要。在本文中，我们考虑了人工智能应具备的一些关键特征，以使包括主题专家及其人工智能决策辅助工具在内的混合机构能够发挥作用。我们将暗示保证人工智能工具具有以下设计要求：开放、多元、连续、谨慎、模糊、类比，最重要的是，在决策实践方面具有附属性。我们认为，附属性是设计的一个重要条件。附属性需要设计和评估人机交互协议，旨在提高人工智能的可用性，同时也要保证用户满意度以及人类和社会的可持续性。它通过增强人们与输出进行分析交互的认知动机、减少对人工智能的过度依赖和提高绩效来实现这一点。
空中交通管制决策支持工具设计和实施手册
16. 摘要 目标：本手册旨在为计划在国家空域系统 (NAS) 中使用的空中交通决策支持工具 (DST) 的开发提供指南，以及如何最好地培训用户使用这些工具。背景：DST 通常不是 100% 准确或可靠的。尽管如此，它们可以通过帮助用户评估、选择和实施有效的解决方案来为用户提供有价值的帮助。为此，必须适当设计 DST，以使工具本身不会分散注意力或增加工作量。方法：本文档中提供的指南来自多个来源，包括 1) 有关空中交通管制和其他复杂领域的自动化支持的文献，2) 先前为调查新手使用 DST 而进行的研究的结果，以及 3) 从参加过几个 DST 熟悉研讨会的六名空中交通管制员那里获得的信息。结果：本手册由三部分组成。第一部分提供 DST 用户界面设计指南。第二部分提供培训用户有效使用 DST 的指南。第三部分概述了人机协作的研究。随着自动化系统的不断发展和人工智能能力的日益复杂，人机协作将变得越来越重要。结论：手册中的指南将帮助系统开发人员设计能够实现
任务工程和路线规划中的数字孪生决策支持
摘要：本文介绍了一种基于模型的系统工程 ( MBSE ) 方法，用于开发无人机系统 ( UAS ) 的数字孪生 ( DT )，并能够展示以任务工程 ( ME ) 为重点的路线选择能力。它回顾了 ME 的概念，并将 ME 与 MBSE 框架相结合以开发 DT。该方法通过一个案例研究进行了展示，其中 UAS 部署在有对手的军事环境中执行最后一英里交付 ( LMD ) 任务，路线优化模块根据各种输入向用户推荐最佳路线，包括对手行动对 UAS 造成的潜在损坏或破坏。优化模块基于多属性效用理论 ( MAUT )，该理论分析用户评估的预定义标准，这些标准将使 UAS 任务成功执行。本文表明，该方法可以执行路线选择的 ME 分析，以支持用户的决策过程。讨论部分强调了 MBSE 的关键构件，也强调了该方法的优点，该方法标准化了决策过程，从而减少了可能偏离预定义标准的人为因素的负面影响。