尽管阿尔茨海默病 (AD) 临床试验的样本量和持续时间不断增加,以努力检测微小的临床效果,但最近的 3 期试验未能发现有效的治疗方法 [1-4]。为了减少样本量并提高 AD 试验的疗效,建议进行基于基因型(例如 APOE)、认知状态(例如简易精神状态检查 (MMSE))和/或 AD 生物标志物(例如 CSF A β 和 tau 或淀粉样蛋白 PET)选择参与者的针对性试验或亚组选择试验 [5-7]。但使用汇总的 AD 试验数据进行模拟表明,基于基因型 APOE ε 4 或认知状态的针对性试验或亚组选择可能效率低下 [8、9]。同样,最近两项 3 期 bapineuzumab 靶向试验选择了 1331 名非 APOE ε 4 携带者的 AD 参与者和 1121 名 APOE ε 4 携带者,其依据的假设是非携带者对 bapineuzu-mab 有反应,而携带者无反应,且未达到 AD 评估量表 - 认知分量表 (ADAS-Cog 11 ) 的预期降低。因此,要么治疗无效,要么这与以下结论一致:除非 APOE ε 4 组之间存在足够大的差异治疗效果,否则基于 APOE ε 4 基因型设计靶向试验或亚组选择可能不起作用 [8,9]。这些靶向试验或亚组选择依赖于假设某些基因型和生物标志物可预测 ADAS-Cog 11 或其他临床结果的更快变化,从而更容易看到治疗效果的差异。然而,尽管不确定这种关系是否建立得如此牢固,并且生物标志物经常与假设的认知结果有所不同[10],但我们仍然做出了这些假设。认知功能的测量不完善也加剧了这些缺陷。一个普遍的问题是大多数认知测试都有学习曲线或练习效应[11]。因此,在临床试验中,将练习效应的存在或不存在作为分类因素可能是值得的。练习效应被定义为使用相同或相似测试材料进行的系列认知测试的改善[12]。练习效应可以在患有轻度认知障碍(MCI)或 AD 的受试者身上发现,并且由于练习效应而导致的系列认知测试的改善可以导致效应大小(重测分数的变化与其标准误差的比率)在低到中等效应大小范围内[13]。已经出现了一些研究结果,支持在临床试验中使用练习效应作为分类因素。例如,短期练习效应与 AD 生物标志物(如淀粉样蛋白沉积和脑代谢减慢)相关 [12,14]。练习效应可能将认知完整的老年人与 MCI 患者区分开来,前者表现出更大的练习效应,而后者可能表现出或不表现出 [15]。在一项针对遗忘型 MCI 的研究中,研究表明,练习效果可以预测一年后的认知结果 [16]。然而,这些发现是基于小样本的,因此需要在更大的队列中进行验证 [12、14-16]。此外,尚不清楚练习效果如何影响纵向研究中的系列认知测试的变化(例如变化率及其变异性),以及如何将其用于 AD 临床试验。我们旨在使用 18 项研究的元数据库,研究使用练习效果作为分类器设计有针对性的 MCI 或 AD 临床试验或亚组分析的适用性。
近年来,关于心脏成像的人工智能 (AI) 工具的研究急剧增加。其中包括对心脏 MRI (CMR) 结构进行分割的 AI 工具,这是获取临床相关功能信息的重要步骤。这些研究的报告质量对于该领域的发展和 AI 工具向临床实践的转化具有重要意义。我们最近进行了系统评价,以评估介绍心脏 MRI 分割自动化方法的研究报告质量(Alabed 等人。2022 AI 心脏 MRI 分割研究的报告质量——系统评价和未来研究的建议。心血管医学前沿 9:956811)。209 项研究被评估是否符合医学成像人工智能检查表 (CLAIM),这是一个报告框架。我们发现报告质量参差不齐,有时甚至很差,并在出版物中发现重要且经常缺失的信息。模型描述对 CLAIM 的遵守率很高 (100%,IQR 80% – 100%),但研究设计描述 (71%,IQR 63 – 86%)、用于训练和测试的数据集 (63%,IQR 50% – 67%) 和模型性能 (60%,IQR 50% – 70%) 低于预期。在这里,我们总结了我们的主要发现,针对可能不是人工智能专家的普通读者,并以此为框架讨论决定报告质量的因素,提出改进该领域研究报告的建议。我们的目标是帮助研究人员展示他们的工作,并帮助读者评估证据。最后,我们强调,即使面对心脏成像领域对人工智能的兴奋,也需要仔细审查介绍人工智能工具的研究。
乌克兰战争敲响警钟。俄罗斯入侵乌克兰标志着欧洲安全的转折点。包括荷兰军队在内的武装部队主要致力于远离本土开展促进和平的行动的日子已经一去不复返了。这场战争清楚地表明,北约领土本身正面临威胁。威慑和集体防御等源自冷战的概念再次变得重要。在这项由陆军司令部委托的研究中,我们试图回答如何应对这一新旧威胁的问题。这里的重点是通过威慑来防止战争。要了解如何遏制俄罗斯,有必要重新审视冷战时期的一些见解和概念。与此同时,人们认识到当前形势在许多方面存在不同。但不同的是,当时收集了大量有关俄罗斯的知识。俄罗斯入侵乌克兰让很多专家感到意外,这表明我们目前对俄罗斯的外交和国防政策了解甚少。
乌克兰战争敲响了警钟。俄罗斯入侵乌克兰标志着欧洲安全的转折点。武装部队(包括荷兰武装部队)主要致力于远离家乡的促进和平行动的日子已经一去不复返了。这场战争清楚地表明,北约地区本身现在正受到威胁。起源于冷战的概念,例如威慑和集体防御,再次变得重要。在这项由陆军司令部委托进行的研究中,我们试图回答我们应该如何应对这种新的、同时又是旧的威胁的问题。通过威慑预防战争是核心。要了解如何威慑俄罗斯,有必要重新审视冷战时期的一些见解和概念。同时,我们也认识到当前的情况在很多方面都有所不同。无论如何不同的是,当时收集了很多关于俄罗斯的知识。对于许多专家来说,俄罗斯意外入侵乌克兰表明我们目前对俄罗斯外交和国防政策知之甚少。
10.Faretta v. California, 422 U.S. 806, 814 – 15 (1975)(引用 Adams v. United States ex rel.McCann, 317 U.S. 269, 275 (1942))。11.ABA 手册,上文注 5,第 12 页。示范规则允许有限范围的代理:“如果限制在特定情况下是合理的并且客户给予知情同意,律师可以限制代理范围。” 职业行为示范规则 R. 1.2(c) (2018) [以下简称“示范规则”]。2002 年对第 6 条评论的修订澄清了财务考虑是决定寻求有限范围代理的合法基础:律师可以“排除客户认为成本过高的行为”。”示范规则 R. 1.2 cmt。6; LISA G. L ERMAN、P HILIP G. S CHRAG 和 R OBERT R UBINSON,《法律实践中的道德问题》199(第 5 版。2020 年)。12.L ERMAN、S CHRAG 和 R UBINSON,上文注 11,第 198 页。13.例如,律师和客户可能决定将代理限制在案件在法庭或仲裁中进行的部分。Eric W. Macaux,《限制私法时代的代理:探索有限论坛聘用协议的道德规范》,19 G EO。J. L EGAL E THICS 795,800(2006 年)。14.Ala. State Bar Disciplinary Comm.,Op.2010-01 (2010)(《法律服务的拆分和“代笔”》);L ERMAN、S CHRAG 和 R UBINSON,上文注 11,第 199 页。15.Ed Walters,《自主行为的示范规则:律师和人工智能的道德责任》,35 G A。S TATE U. L. R EV。1073, 1090 (2019)。16.“软件”一词是指计算机程序。计算机程序可分为应用程序或操作系统程序。应用程序或“apps”——本说明讨论的软件类型——为用户执行特定任务,例如网页浏览或文字处理。同时,操作系统程序管理计算机的内部功能并方便用户使用应用程序。Apple Comput., Inc. v. Franklin Comput.Corp., 714 F.2d 1240, 1243 (3d Cir.1983)。17.法律服务通常以“一对一”形式提供,即一名或几名律师处理每个客户的案件。商业软件程序通常以“一对多”形式运行,即许多人可以同时使用该软件。18.如果法律服务是通过软件提供的,那么可以同时为更多的客户提供服务。参见 Walters,上文注 15,第 1091 页。参见下文第 I.A 部分。19.本说明使用术语“法律 AI”来表示使用 AI 执行传统上由律师执行的任务的软件。
人工智能的最新进展引发了人们对其社会影响和实施的质疑。作为回应,政府和公共行政部门寻求制定适当的治理框架,以减轻风险并最大限度地发挥人工智能开发和使用的潜力。这类工作主要涉及如何管理挑战和风险、应该追求哪些价值观和目标以及通过哪些制度机制和原则实现这些目标的问题。在本文中,我们对现有的公共行政人工智能治理发展文献进行了系统回顾。本文描述了公共行政部门可以指导和引导人工智能开发者和用户采取道德和负责任的做法的原则和方法。所审查的文献表明,公共行政部门需要摆脱自上而下的等级治理原则,采用包容性政策制定形式,以确保道德和责任原则在人工智能开发和使用的成功治理中的可操作性。通过结合结果,我们提出了一个 CIIA(全面、包容、制度化和可操作)框架,将拟议的发展解决方案的关键方面整合成一个理想的典型和全面的人工智能治理模型。
新兴技术治理是二十一世纪最重要的问题之一,主要涉及公共、私人和社会举措,这些举措可以影响数字技术的采用和负责任的发展。本研究调查了区块链和人工智能 (AI) 治理的新兴格局,并绘制了行业、公共和民间社会中新兴平台的生态系统。我们确定了公共、私人和民间社会组织的主要参与者及其潜在动机,并研究了这些动机的分歧和趋同以及它们可能如何影响这些新兴技术的未来治理。人们普遍认为,这些技术代表了经济增长的现在和未来,但它们也给社会带来了重大风险。事实上,主要参与者之间在如何平衡促进这些创新和减轻它们带来的风险方面也存在相当大的困惑和分歧。虽然业内一些人呼吁自我监管,但另一些人则呼吁制定强有力的法律和国家监管来监控这些技术。这些分歧很可能在可预见的未来继续存在,并可能破坏跨司法管辖区治理生态系统的最佳发展。因此,我们建议参与者应考虑建立新的保障措施并使用现有框架来保护消费者和社会免受这些技术的危害和危险。例如,通过重新审查现有的法律和制度安排,以检查它们是否适合新技术带来的新问题,并根据需要进行必要的更新/修订。此外,现有的法律和监管体系可能完全过时,无法涵盖新技术,例如,当人工智能被用来影响政治结果、加密货币欺诈或人工智能驱动的自动驾驶汽车时,这种情况需要敏捷的治理制度。这很重要,因为政府、工业和民间的不同参与者仍在应对这些新兴技术给社会带来的治理挑战,没有人对推广这些技术的最佳方式有明确的答案,同时限制它们对用户造成的危险。
截至2022年1月,根据第10条第2款和(3)条,所有大型企业都需要报告其活动的比例(或活动的比例(或根据第1(5)条所认为的,根据第1(5)条,根据公开的eifection and Capeles and Turnover(Capeece)(Capeece''(Capeece)的总限制(6),'''''''''及其特征('capex of)('资产(就金融承诺而言)。5此外,金融企业(根据附件XI)和非金融承诺(根据附件I的第1.2条)必须截至2022年1月。在2022年,不需要大型实体来评估这些活动的分类法。他们也只需要根据欧盟气候委派法案而反对为气候目标做出贡献的活动。
1. 必须向医疗团队发送通知。这个因素似乎比向患者智能手机发送通知并允许他们致电医疗中心更重要。这包括在针对癌症患者的 ePRO 系统的随机研究中 [1-9]。 2. 解决方案必须是具有质量标志的医疗器械,例如 II 类 CE 标志 [13-15]。这确保产品符合欧盟相关立法的基本要求,其中必须通过临床前和临床评估来评估所有设备的临床疗效和任何副作用(如适用)。由于 ePRO 系统属于 IIa 类医疗器械,制造商必须提供全面的质量保证,例如产品和上市后监督(材料警戒)以确保符合要求。材料警戒管理包含在 IIa 类 CE 标志中,是强制性的。 3. 解决方案必须使用经过验证的算法。此验证旨在评估算法在检测事件方面的可靠性和性能;算法的性能应在期刊上发表[1-9,16,17]。4.解决方案应包含允许对肿瘤学中使用的主要药物进行不良事件监测的算法(即