Nhan đề chính: AI for Health Equity and Fairness

Nhan đề dịch: Trí tuệ nhân tạo (AI) đối với sự công bằng và bình đẳng y tế

Tác giả: Arash Shaban-Nejad, Martin Michalowski, Simone Bianco

Nhà xuất bản: Springer Cham

Năm xuất bản: 2024

Số trang: 325 tr.

Ngôn ngữ: Tiếng Anh

ISBN: 978-3-031-63592-2

SpringerLink

  Lời giới thiệu: Cuốn sách nhằm mục đích nêu bật những thành tựu mới nhất trong việc sử dụng trí tuệ nhân tạo (AI) để cải thiện công bằng và bình đẳng y tế. Tuyển tập được biên soạn bao gồm các bài báo chọn lọc được trình bày tại hội thảo Trí tuệ y tế năm 2024, đồng thời với hội nghị thường niên lần thứ 38 của Hiệp hội Phát triển Trí tuệ nhân tạo (AAAI). Sách cung cấp một cái nhìn tổng quan về các vấn đề, thách thức và tiềm năng trong lĩnh vực này, cùng với các kết quả nghiên cứu mới. Cuốn sách này cung cấp thông tin cho các nhà nghiên cứu, sinh viên, chuyên gia trong ngành, bác sĩ lâm sàng và các cơ quan y tế công cộng quan tâm đến các ứng dụng của AI trong y học và y tế công cộng.

  Từ khóa: Trí tuệ nhân tạo; AI; Y tế; Dữ liệu lớn; Giám sát y tế công cộng

Nội dung cuốn sách gồm những phần sau:

- Phá vỡ rào cản: Sức mạnh của trí tuệ nhân tạo trong việc thúc đẩy công bằng y tế

- Hướng tới dự đoán rủi ro cá nhân hóa cho bệnh nhân bằng cách sử dụng dữ liệu quỹ đạo thời gian từ bệnh viện

- Lộ trình xe cứu thương để tối ưu hóa kết quả điều trị cho bệnh nhân đột quỵ

- Điều hướng miền tổng hợp: Khai thác mô hình dựa trên khuếch tán để tạo ảnh từ văn bản trong nội soi ổ bụng

- Tạo ra hình ảnh lâm sàng về da có bệnh lý với dữ liệu khan hiếm

- MILFORMER: Học đa thể hiện với trọng số luồng kép và cơ chế chú ý ngẫu nhiên tập trung vào lớp cho phân loại toàn bộ hình ảnh tiêu bản

- Tinh chỉnh mô hình nền tảng với đa nhắc lệnh để nâng cao phân đoạn hình ảnh y sinh

- Một cách tiếp cận chuyển đổi để phân loại suy giảm nhận thức

- Phương pháp học sâu để xác định mức độ nghiêm trọng và sự tiến triển của bệnh võng mạc tiểu đường bằng cách sử dụng sình ảnh võng mạc trường nhìn siêu rộng

- DOST-Tự giám sát tuân thủ miền để phân loại đa nhãn đáng tin cậy với nhãn nhiễu

- Sử dụng mô hình ngôn ngữ lớn để tạo hợp đồng thông minh cho bảo hiểm y tế từ các chính sách dạng văn bản

- GPT có thể cải thiện tình trạng phê duyệt trước thông qua hỏi đáp tự động dựa trên hướng dẫn không?

- Thiết kế mô hình ngôn ngữ tăng cường truy xuất để hỗ trợ ra quyết định lâm sàng

- Biểu diễn bệnh đồng mắc trong trí tuệ nhân tạo: Khai thác tri thức lâm sàng chưa được sử dụng

- MedBlindTuner: Hướng tới tinh chỉnh bảo toàn quyền riêng tư trên hình ảnh y sinh bằng mô hình bộ chuyể đổi và mã hóa đồng dạng toàn phần

- Tạo hội thoại y tế dựa trên tri thức

- Phân loại bệnh Parkinson giai đoạn đầu từ EEG có thể giải thích được

- Mạng Multi-LSTM hướng sự chú ý về mặt ngữ nghĩa và thị giác để tạo báo cáo lâm sàng tự động

- Phân loại đa nhãn theo thứ bậc của các mối quan tâm về vắc-xin trực tuyến

- Kiến trúc ngữ nghĩa cho việc theo dõi sức khỏe liên tục, dự đoán rủi ro và ra quyết định chủ động

- Tính khả thi của đánh giá thăng bằng từ xa qua đối thoại đa phương thức

- SAIC: Tích hợp ẩn danh giọng nói và phân loại danh tính