Poste de recherche

Problèmes liés au déploiement de modèles basés sur l'apprentissage automatique dans le domaine de la santé

Résumé :

Dans un article complémentaire, Verma et ses collègues discutent de la façon dont les solutions d'apprentissage automatique peuvent être développées et mises en œuvre pour soutenir la prise de décision médicale.1 Les systèmes d'aide à la décision et les outils de prédiction clinique développés à l'aide de l'apprentissage automatique (y compris le cas particulier de l'apprentissage profond) sont similaires aux outils d'aide clinique développés à l'aide de modèles statistiques classiques et, à ce titre, présentent des limites similaires.2,3 Un modèle qui fait des prédictions erronées peut conduire ses utilisateurs à faire des erreurs qu'ils n'auraient pas faites autrement lors de la prise en charge des patients, et il est donc important de comprendre comment ces modèles peuvent échouer.4 Nous discutons de ces limites - en nous concentrant sur deux problèmes en particulier : la généralisation hors distribution (ou hors échantillon) et l'attribution incorrecte de caractéristiques - pour souligner la nécessité de prendre en compte les avertissements potentiels lors de l'utilisation de solutions d'apprentissage automatique.

Derniers documents de recherche

Connectez-vous avec la communauté

Participez à l'écosystème croissant de l'IA en Alberta ! Les demandes de conférenciers, de parrainage et de lettres de soutien sont les bienvenues.

Explorer la formation et l'enseignement supérieur

Vous êtes curieux de connaître les possibilités d'études auprès de l'un de nos chercheurs ? Vous voulez plus d'informations sur les possibilités de formation ?

Exploiter le potentiel de l'intelligence artificielle

Faites-nous part de vos objectifs et de vos défis concernant l'adoption de l'IA dans votre entreprise. Notre équipe Investissements & Partenariats vous contactera sous peu !