WHO 大型多模式模型指南:健康人工智能的伦理与治理

2024-01-18 世界卫生组织 WHO官网 发表于上海

本指南针对一种类型的生成人工智能,即大型多模态模型 (LMM),它可以接受一种或多种类型的数据输入并生成不限于输入算法的数据类型的不同输出。

中文标题:

WHO 大型多模式模型指南:健康人工智能的伦理与治理

英文标题:

Ethics and governance of artificial intelligence for health: Guidance on large multi-modal models

发布机构:

世界卫生组织

发布日期:

2024-01-18

简要介绍:

人工智能 (AI) 是指集成到系统和工具中的算法从数据中学习的能力,以便它们能够执行自动化任务,而无需人类对每一步进行显式编程。生成式人工智能是人工智能技术的一类,其中算法在可用于生成新内容(例如文本、图像或视频)的数据集上进行训练。本指南针对一种类型的生成人工智能,即大型多模态模型 (LMM),它可以接受一种或多种类型的数据输入并生成不限于输入算法的数据类型的不同输出。预计LMM将在医疗保健、科学研究、公共卫生和药物开发等领域具有广泛的用途和应用。LMM 也被称为“通用基础模型”,

相关资料下载:
[AttachmentFileName(sort=1, fileName=WHO 大型多模式模型指南:健康人工智能的伦理与治理.pdf)] GetToolGuiderByIdResponse(projectId=1, id=225381c0035a8ea8, title=WHO 大型多模式模型指南:健康人工智能的伦理与治理, enTitle=Ethics and governance of artificial intelligence for health: Guidance on large multi-modal models, guiderFrom=WHO官网, authorId=0, author=, summary=本指南针对一种类型的生成人工智能,即大型多模态模型 (LMM),它可以接受一种或多种类型的数据输入并生成不限于输入算法的数据类型的不同输出。, cover=https://img.medsci.cn/Random/doctor-using-smartphone-app-in-hospital-office-PEMB8JL.jpg, journalId=0, articlesId=null, associationId=138, associationName=世界卫生组织, associationIntro=null, copyright=0, guiderPublishedTime=Thu Jan 18 00:00:00 CST 2024, originalUrl=, linkOutUrl=, content=<p style="color: #1a1a1a;">人工智能 (AI) 是指集成到系统和工具中的算法从数据中学习的能力,以便它们能够执行自动化任务,而无需人类对每一步进行显式编程。生成式人工智能是人工智能技术的一类,其中算法在可用于生成新内容(例如文本、图像或视频)的数据集上进行训练。本指南针对一种类型的生成人工智能,即大型多模态模型 (LMM),它可以接受一种或多种类型的数据输入并生成不限于输入算法的数据类型的不同输出。预计LMM将在医疗保健、科学研究、公共卫生和药物开发等领域具有广泛的用途和应用。LMM 也被称为&ldquo;通用基础模型&rdquo;,</p>, tagList=[TagDto(tagId=8461, tagName=人工智能)], categoryList=[CategoryDto(categoryId=35, categoryName=预防公卫, tenant=100), CategoryDto(categoryId=85, categoryName=指南&解读, tenant=100), CategoryDto(categoryId=21100, categoryName=达仁堂循证e学界, tenant=100)], articleKeywordId=8461, articleKeyword=人工智能, articleKeywordNum=6, guiderKeywordId=8461, guiderKeyword=人工智能, guiderKeywordNum=6, haveAttachments=1, attachmentList=null, guiderType=0, guiderArea=指南, guiderLanguage=1, guiderRegion=10, opened=0, paymentType=, paymentAmount=10, recommend=0, recommendEndTime=null, sticky=0, stickyEndTime=null, allHits=1368, appHits=9, showAppHits=0, pcHits=44, showPcHits=1359, likes=0, shares=0, comments=0, approvalStatus=1, publishedTime=Tue Jan 23 13:36:00 CST 2024, publishedTimeString=2024-01-18, pcVisible=1, appVisible=1, editorId=0, editor=dajiong, waterMark=0, formatted=0, memberCards=[], isPrivilege=0, deleted=0, version=3, createdBy=null, createdName=dajiong, createdTime=Mon Jan 22 22:06:21 CST 2024, updatedBy=8538692, updatedName=梅斯话题小助手, updatedTime=Tue Jan 23 09:57:53 CST 2024, courseDetails=[], otherVersionGuiders=[], isGuiderMember=false, ipAttribution=上海, attachmentFileNameList=[AttachmentFileName(sort=1, fileName=WHO 大型多模式模型指南:健康人工智能的伦理与治理.pdf)])
WHO 大型多模式模型指南:健康人工智能的伦理与治理.pdf
下载请点击:
评论区 (0)
#插入话题

拓展阅读

Nature Medicine:人工智能助力痴呆症精准诊断:多模态数据综合应用的突破

该模型综合了人口统计信息、个人和家族病史、药物使用情况、神经心理评估、功能评估以及多模态神经影像数据,从而识别个体痴呆症的病因。

【论著】| 基于深度学习算法的病理学图片淋巴细胞浸润检测

采用变分自编码模型预训练的方法,对淋巴细胞浸润的病理学图片进行浸润检测,可获得比直接训练更优的模型表现;并且通过Unet去除肿瘤坏死区域的影响能够进一步提高模型的性能。

ESH 2024:高效预测心血管事件:人工智能模型的开发与评估

该研究结果彰显了XGBoost模型的稳健性和稳定性,有效地平衡了预测准确性和可解释性。

Lancet Digit Health:通过人工智能增强心脏 MRI 预测诊断和舒张压充盈压:医院数据的建模研究

利用人工智能结合心脏磁共振成像(cMRI)数据,成功开发了一种非侵入性的方法,用于准确预测心脏病患者的诊断和左心室舒张末期压(LVEDP),显著提升了心脏功能评估的效率和准确性。

未来ICU:人工智能如何改变危重症患者的抗菌治疗

随着医疗技术的发展,预计未来将有更多的工具和方法来指导抗菌治疗,包括利用人工智能来解释复杂的临床数据。此外,抗菌药物管理计划将继续发展,以确保抗菌药物使用的适宜性和有效性。

Radiology:基于人工智能的蛋氨酸PET与增强MRI的虚拟合成

据报道,在胶质瘤中,蛋氨酸摄取与MRI扫描上的对比增强(CE)区域之间存在相关性。图像到图像的转换模型涉及到生成对抗网络的应用,该网络可以从图像中提取特征。

分子影像人工智能专家共识(2019 版)

中华医学会核医学分会(CSNM,Chinese Society of Nuclear Medicine) · 2019-12-30

涉及人工智能干预的临床试验设计规范:SPIRIT-AI扩展

SPIRIT-AI 和 CONSORT-AI 工作组 · 2020-09-08

欧盟人工智能道德准则(草案)

暂未更新 · 2019-10-31

医疗卫生中人工智能(AI)使用的伦理和管治(英文)

世界卫生组织(WHO,The World Health Organization) · 2021-06-28