Dirbtinio intelekto užtikrinimo laboratorijų, kuriose galima modeliuoti ir išbandyti didelius kalbų modelius ir kitas AI technologijas, idėja yra ta, kad jos gali pagerinti nuspėjamosios analizės, ligų nustatymo, sprendimų palaikymo ir kitų sveikatos priežiūros AI įrankių veiksmingumą ir teisingumą.

DI užtikrinimo laboratorijų vaidmuo sistemose, pvz., sveikatos IT sertifikavimo taisyklėse, kurias paskelbė JAV sveikatos ir žmogiškųjų paslaugų tarnyba, siekiant sukurti sveikatos priežiūros dirbtinio intelekto pasitikėjimą ir skaidrumą, buvo vyriausybės ir pramonės tikslas ateinančiais metais.

Kelios grupės ir federalinės agentūros dirbo siekdamos pritaikyti dirbtinį intelektą, kad užtikrintų pacientų saugą ir patikimumą pagal vykdomąjį įsakymą dėl saugaus, saugaus ir patikimo dirbtinio intelekto plėtros ir naudojimo, kurį dabar atšaukė prezidentas Donaldas Trumpas, įskaitant Sveikatos priežiūros AI koaliciją. Kai kurie įstatymų leidėjai išreiškė abejonių dėl CHAI, tačiau federaliniai sveikatos priežiūros AI vadovai teigė, kad jų darbas su grupe buvo baigtas ir liepos mėn.

Šios savaitės HIMSSCast „Atropos Health“ generalinis direktorius ir „Generative AI Work Group“ narys Brighamas Hyde’as teigė, kad mano, kad AI testavimo ir vertinimo standartų trūkumas gali sutrukdyti paslaugų teikėjams įgyvendinti pažangius ligų ir rizikos numatymo modelius. Jis paaiškino, kodėl, jo manymu, partnerystės siekiant įvertinti mašininio mokymosi algoritmų kokybę nuo pat pradžių yra labai svarbios, kokia yra nauda ir kur vyksta sveikatos priežiūros AI naujovės.

„Manau, kad tokioms įmonėms kaip mano ir kitoms turėtų tekti našta – parodyti, kokių veiksmų ir naudos tikimasi“, – sakė jis. Sveikatos priežiūros IT naujienos.

Patinka tai, ką girdi? Prenumeruokite podcast’ą Apple podcast’ai, „Spotify“. arba Amazon muzika.

Pokalbio taškai:

• Kodėl standartų kūrimas yra toks svarbus.
• AI užtikrinimo laboratorijų vaidmuo padedant užtikrinti teisingą sveikatos būklę.
• Kaip paslaugų teikėjai, diegiantys ML platformas, galėtų gauti naudos iš AI užtikrinimo procesų.
• Inovacijų slopinimas ir kaip tai gali būti naudinga didesnėms įmonėms.
• Kontroliuoti agentų darbo eigą ir sveikatos priežiūros dirbtinio intelekto trajektoriją 2025 m.
• Subalansuoti duomenų kokybės tikrinimo išlaidas ir modelio perkeliamumą.

Daugiau apie šį epizodą:

CHAI pristato atvirojo kodo sveikatos priežiūros AI mitybos etiketės modelio kortelę

Respublikonai nori, kad HHS pakeistų AI užtikrinimo laboratorijas
Paaiškinkite: mąstykite apie saugų AI naudojimą
MITRE, UMass pradeda sveikatos AI užtikrinimo laboratoriją
Žvilgsnis į naujus AI reglamentus ir dar daugiau
Ar vyriausybė ir pramonė gali išspręsti AI rasinį šališkumą?

Andrea Fox yra „Healthcare IT News“ vyresnioji redaktorė.
paštas: afox@himss.org
„Healthcare IT News“ yra HIMSS žiniasklaidos leidinys.