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=1928, appHits=15, showAppHits=0, pcHits=156, showPcHits=1913, 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

European Radiology:人工智能助力儿科骨折诊断!真实临床验证提升急诊诊断准确性

儿科骨折与成人骨折有显著差异,这取决于儿童的年龄和骨骼成熟程度。儿童特有的甚至是特定的骨折、类似撕脱伤的骨核以及看似骨折线的生长板,都给正确诊断带来了挑战。

人工智能AI导航,汇集海量AI资源

人工智能AI导航,汇集海量AI资源

黄淼医生谈肺结节“排雷”:从精准诊断到科学管理的临床探索

【医悦汇】特邀请北京大学肿瘤医院黄淼医生做客对话大咖栏目,从影像学、人工智能、病理学等多个角度,深入探讨肺结节的诊断、治疗和随访管理策略,为临床医生和患者提供权威的指导和建议。

European Radiology:结合人工智能与BI-RADS分类提高乳腺超声筛查特异性,减少不必要活检

一种结合了两个正交平面的人工智能分类、年龄以及 BI-RADS 分类的策略,在保持非劣效敏感性的同时,提高了乳腺超声筛查的特异性。

DLD:人工智能辅助结肠镜检查对腺瘤及息肉漏诊率的影响

计算机辅助结肠镜(CAC)在降低腺瘤漏诊率(AMR)和息肉漏诊率(PMR)方面显著优于传统白光结肠镜(WLC)。

European Radiology:数字乳腺钼靶与基于人工智能的计算机辅助诊断预测HER2阳性和三阴性乳腺癌患者新辅助化疗反应的评估

基于人工智能的计算机辅助诊断(AI-CAD)是一种有可能提高诊断准确性并减轻放射科工作负担的手段,目前市面上已有多种用于数字乳腺钼靶摄影的 AI-CAD 系统。

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