Yr ateb byr: Ni fydd deallusrwydd artiffisial yn disodli radiolegwyr yn llwyr yn fuan; yn bennaf mae'n awtomeiddio tasgau cul fel dosbarthu, canfod patrymau a mesuriadau, gan wthio'r rôl tuag at oruchwyliaeth, cyfathrebu clir a barn uchel ei risg. Os nad yw radiolegwyr yn addasu i lif gwaith sy'n cael ei alluogi gan ddeallusrwydd artiffisial, maent mewn perygl o gael eu rhoi o'r neilltu, ond mae cyfrifoldeb clinigol yn parhau gyda bodau dynol.
Prif bethau i'w cymryd:
Newid llif gwaith : Disgwyliwch i flaenoriaethu, mesur, a chymorth "ail ddarllenydd" ehangu'n gyflym.
Atebolrwydd : Radiolegwyr yw'r arwyddwyr atebol o hyd mewn adrodd clinigol a gefnogir gan AI.
Dilysu : Dim ond os cânt eu profi ar draws safleoedd, sganwyr a phoblogaethau cleifion y dylid ymddiried mewn offer.
Gwrthsefyll camddefnydd : Lleihau sŵn rhybuddio a gwarchod rhag methiannau tawel, drifft a rhagfarn.
Diogelu ar gyfer y dyfodol : Dysgu dulliau methiant AI ac ymuno â llywodraethu i oruchwylio defnydd diogel.
Erthyglau y gallech fod eisiau eu darllen ar ôl yr un hon:
🔗 A fydd deallusrwydd artiffisial yn disodli meddygon: dyfodol meddygaeth
Golwg realistig ar rôl deallusrwydd artiffisial mewn ymarfer meddygol modern.
🔗 Sut mae AI yn helpu amaethyddiaeth
Ffyrdd y mae deallusrwydd artiffisial yn gwella cynnyrch, cynllunio a gwneud penderfyniadau fferm.
🔗 Pam mae AI yn ddrwg i gymdeithas
Risgiau fel rhagfarn, colli swyddi, gwyliadwriaeth, a niwed gwybodaeth anghywir.
🔗 Sut mae AI yn canfod anomaleddau
Sut mae modelau'n nodi ymddygiad anarferol mewn data a systemau.
Y gwiriad realiti plaen: beth mae AI yn ei wneud ar hyn o bryd ✅
Mae deallusrwydd artiffisial mewn radioleg heddiw yn gryf mewn swyddi cul yn bennaf:
-
Fflagio canfyddiadau brys fel bod yr astudiaethau brawychus yn neidio'r ciw (triage) 🚨
-
Dod o hyd i “batrymau hysbys” fel nodau, gwaedu, toriadau, emboli, ac ati.
-
Mesur pethau y gall bodau dynol eu mesur ond sy'n casáu mesur (cyfeintiau, meintiau, newid dros amser) 📏
-
Helpu rhaglenni sgrinio i ymdopi â chyfaint heb losgi pobl allan
Ac nid dim ond sŵn yw e: mae AI radioleg mewn clinigau wedi'i reoleiddio eisoes yn ffurfio rhan fawr o dirwedd dyfeisiau AI clinigol . Canfu un adolygiad tacsonomeg yn 2025 o ddyfeisiau meddygol AI/ML a awdurdodwyd gan yr FDA (sy'n cwmpasu awdurdodiadau a restrir gan yr FDA ar Ragfyr 20, 2024 ) fod y rhan fwyaf o ddyfeisiau'n cymryd delweddau fel mewnbwn, a radioleg oedd y prif banel adolygu i'r mwyafrif. Mae hynny'n dweud llawer am ble mae "AI clinigol" yn glanio gyntaf. [1]
Ond nid yw “defnyddiol” yr un peth â “disodli meddyg ymreolaethol.” Gwahanol farn, gwahanol risg, gwahanol atebolrwydd…
Pam mai “amnewid” yw’r model meddyliol anghywir y rhan fwyaf o’r amser 🧠
Nid dim ond “edrychwch ar bicseli, enwi clefyd” yw radioleg.
Yn ymarferol, mae radiolegwyr yn gwneud pethau fel:
-
Penderfynu a yw'r cwestiwn clinigol hyd yn oed yn cyd-fynd â'r arholiad a archebwyd
-
Pwyso a mesur blaenorol, hanes llawdriniaethau, arteffactau, ac achosion ymylol anodd
-
Ffonio'r clinigwr atgyfeirio i egluro beth sy'n digwydd mewn gwirionedd
-
Argymell y camau nesaf, nid dim ond labelu canfyddiad
-
Perchnogi'r cyfrifoldeb meddygol-gyfreithiol am yr adroddiad
Dyma olygfa gyflym o “swnio’n ddiflas, dyna bopeth”:
Mae hi'n 02:07. Pen CT. Arteffact symudiad. Mae'r hanes yn dweud “pendro,” mae nodyn y nyrs yn dweud “cwymp,” ac mae rhestr y gwrthgeulyddion yn dweud “uh-oh.”
Nid “picseli gwaedu manwl” yw'r swydd. Y swydd yw triage + cyd-destun + risg + eglurder cam nesaf.
Dyna pam mai'r canlyniad mwyaf cyffredin mewn defnydd clinigol yw: mae deallusrwydd artiffisial yn cefnogi radiolegwyr yn hytrach na'u dileu.
Ac mae nifer o gymdeithasau radioleg wedi bod yn glir ynglŷn â'r haen ddynol: mae datganiad moeseg amlgymdeithasol (ACR/ESR/RSNA/SIIM ac eraill) yn fframio AI fel rhywbeth y mae'n rhaid i radiolegwyr ei reoli'n gyfrifol - gan gynnwys y realiti bod radiolegwyr yn parhau i fod yn gyfrifol yn y pen draw am ofal cleifion mewn llif gwaith a gefnogir gan AI. [2]
Beth sy'n gwneud fersiwn dda o AI ar gyfer radioleg? 🔍
Os ydych chi'n barnu system AI (neu'n penderfynu a ddylech ymddiried ynddi), nid y "fersiwn dda" yw'r un gyda'r demo mwyaf cŵl. Dyma'r un sy'n goroesi cyswllt â realiti clinigol.
Mae offeryn AI radioleg da yn tueddu i fod â:
-
Cwmpas clir - mae'n gwneud un peth yn dda (neu set o bethau wedi'u diffinio'n dynn)
-
Dilysu cryf - wedi'i brofi ar draws gwahanol safleoedd, sganwyr, poblogaethau
-
Addasrwydd llif gwaith - yn integreiddio i PACS/RIS heb wneud pawb yn drist
-
Sŵn isel - llai o rybuddion sothach a phositifau ffug (neu byddwch chi'n ei anwybyddu)
-
Esboniadwyedd sy'n helpu - nid tryloywder perffaith, ond digon i wirio
-
Llywodraethu - monitro am wyrdroadau, methiannau, rhagfarn annisgwyl
-
Atebolrwydd - eglurder ynghylch pwy sy'n llofnodi, pwy sy'n gyfrifol am wallau, pwy sy'n dwysáu
Hefyd: mae “mae wedi’i glirio gan yr FDA” (neu gyfwerth) yn arwydd ystyrlon - ond nid yw’n ddiogel rhag methu. Mae hyd yn oed rhestr dyfeisiau sy’n galluogi AI gan yr FDA ei hun wedi’i fframio fel adnodd tryloywder nad yw’n gynhwysfawr , ac mae ei dull cynnwys yn dibynnu’n rhannol ar sut mae dyfeisiau’n disgrifio AI mewn deunyddiau cyhoeddus. Cyfieithiad: mae angen gwerthusiad lleol a monitro parhaus o hyd. [3]
Mae hyn yn swnio'n ddiflas… ac mae diflas yn dda mewn meddygaeth. Mae diflas yn ddiogel 😬
Tabl Cymharu: opsiynau AI cyffredin y mae radiolegwyr yn dod ar eu traws mewn gwirionedd 📊
Mae prisiau'n aml yn seiliedig ar ddyfynbrisiau, felly rydw i'n cadw'r rhan honno'n aneglur o ran y farchnad (oherwydd mae'n tueddu i fod).
| Offeryn / categori | Gorau ar gyfer (cynulleidfa) | Pris | Pam mae'n gweithio (a'r broblem…) |
|---|---|---|---|
| Brysbennu AI ar gyfer canfyddiadau acíwt (strôc/gwaedu/PE ac ati) | Ysbytai sy'n llawn adrannau brys, timau ar alwad | Yn seiliedig ar ddyfynbrisiau | Yn cyflymu blaenoriaethu 🚨 - ond gall rhybuddion fynd yn swnllyd os cânt eu tiwnio'n wael |
| Cymorth sgrinio AI (mamograffeg ac ati) | Rhaglenni sgrinio, safleoedd cyfaint uchel | Fesul astudiaeth neu fenter | Yn helpu gyda chyfaint + cysondeb - ond rhaid ei ddilysu'n lleol |
| Canfod pelydr-X y frest AI | Radioleg gyffredinol, systemau gofal brys | Yn amrywio | Gwych ar gyfer patrymau cyffredin - yn methu allanolion prin |
| Offerynnau CT nodwl ysgyfaint / y frest | Llwybrau Pulm-onc, clinigau dilynol | Yn seiliedig ar ddyfynbrisiau | Da ar gyfer olrhain newid dros amser - gall oresgyn mannau bach "dim byd". |
| Canfod toriadau MSK | Adran Achosion Brys, trawma, piblinellau ortho | Fesul astudiaeth (weithiau) | Gwych am ganfod patrymau ailadroddus 🦴 - gall lleoli/arteffactau ei ddifetha |
| Llif gwaith/drafftio adroddiadau (AI cynhyrchiol) | Adrannau prysur, adrodd yn drwm ar waith gweinyddol | Tanysgrifiad / menter | Yn arbed amser teipio ✍️ - rhaid ei reoli'n llym i osgoi nonsens hyderus |
| Offer meintioli (cyfeintiau, sgorio calsiwm, ac ati) | Timau cardiodelweddu, niwrodelweddu | Ychwanegiad / menter | Cynorthwyydd mesur dibynadwy - mae angen cyd-destun dynol o hyd |
Cyffes rhyfedd fformatio: Mae "Pris" yn aros yn amwys oherwydd bod gwerthwyr wrth eu bodd â phrisio amwys. Nid fi sy'n osgoi hynny, dyna'r farchnad 😅
Lle gall AI ragori ar y bod dynol cyffredin mewn lonydd cul 🏁
Mae deallusrwydd artiffisial yn disgleirio fwyaf pan fo'r dasg yn:
-
Ailadroddus iawn
-
Patrwm-sefydlog
-
Wedi'i gynrychioli'n dda mewn data hyfforddi
-
Hawdd sgorio yn erbyn safon gyfeirio
Mewn rhai llifau gwaith arddull sgrinio, gall AI weithredu fel set ychwanegol gyson iawn o lygaid. Er enghraifft, adroddodd gwerthusiad ôl-weithredol mawr o system AI sgrinio'r fron berfformiad cymhariaeth darllenwyr cyfartalog cryfach (yn ôl AUC mewn un astudiaeth darllenwyr) a hyd yn oed gostyngiad llwyth gwaith efelychiedig mewn gosodiad darllen dwbl arddull y DU. Dyna'r fuddugoliaeth "lôn gul": gwaith patrwm cyson, ar raddfa. [4]
Ond eto… cymorth llif gwaith yw hwn, nid “mae AI yn disodli’r radiolegydd sy’n berchen ar y canlyniad.”
Lle mae AI yn dal i gael trafferth (ac nid peth bach mohono) ⚠️
Gall deallusrwydd artiffisial fod yn drawiadol a dal i fethu mewn ffyrdd sy'n bwysig yn glinigol. Pwyntiau poen cyffredin:
-
Achosion allan o ddosbarthiad : clefydau prin, anatomeg anarferol, chwilfrydedd ôl-lawfeddygol
-
Dallineb cyd-destun : gall delweddu canfyddiadau heb y "stori" gamarwain
-
Sensitifrwydd arteffactau : symudiad, metel, gosodiadau sganiwr rhyfedd, amseru cyferbyniad… pethau hwyl
-
Cadarnhaol ffug : gall un diwrnod gwael o ran deallusrwydd artiffisial greu gwaith ychwanegol yn lle arbed amser.
-
Methiannau distaw : y math peryglus - pan fydd yn colli rhywbeth yn dawel
-
Drifft data : newidiadau perfformiad pan fydd protocolau, peiriannau neu boblogaethau'n newid
Nid yw'r un olaf yn ddamcaniaethol. Gall hyd yn oed modelau delwedd sy'n perfformio'n dda newid pan fydd y ffordd y caffaelir delweddau yn newid (cyfnewid caledwedd sganiwr, diweddariadau meddalwedd, mân addasiadau atgynhyrchu), a gall y newid hwnnw newid sensitifrwydd/penodolrwydd ystyrlon yn glinigol mewn ffyrdd sy'n bwysig o ran niwed. Dyma pam nad yw "monitro mewn cynhyrchiad" yn air poblogaidd - mae'n ofyniad diogelwch. [5]
Hefyd - ac mae hyn yn enfawr - nid yw cyfrifoldeb clinigol yn symud i'r algorithm . Mewn llawer o leoedd, y radiolegydd sy'n parhau i fod yn arwyddwr atebol, sy'n cyfyngu ar ba mor ddi-ymwybodol y gallwch chi fod yn realistig. [2]
Y swydd radiolegydd sy'n tyfu, nid yn crebachu 🌱
Mewn tro, gall deallusrwydd artiffisial wneud radioleg yn fwy "tebyg i feddyg", nid yn llai.
Wrth i awtomeiddio ehangu, mae radiolegwyr yn aml yn treulio mwy o amser ar:
-
Achosion anodd a chleifion aml-broblem (y rhai y mae AI yn eu casáu)
-
Protocolu, priodoldeb, a dylunio llwybrau
-
Esbonio canfyddiadau i glinigwyr, byrddau tiwmor, ac weithiau cleifion 🗣️
-
Radioleg ymyriadol a gweithdrefnau dan arweiniad delweddau (heb fod yn awtomataidd o gwbl)
-
Arweinyddiaeth o safon: monitro perfformiad AI, adeiladu mabwysiadu diogel
Mae yna rôl “meta” hefyd: mae’n rhaid i rywun oruchwylio’r peiriannau. Mae’n debyg i awtobeilot – rydych chi dal eisiau peilotiaid. Trosiad ychydig yn wallus efallai… ond rydych chi’n ei gael.
Deallusrwydd Artiffisial yn disodli radiolegwyr: yr ateb uniongyrchol 🤷♀️🤷♂️
-
Tymor agos: mae'n disodli sleisys o waith (mesuriadau, blaenoriaethu, rhai patrymau ail-ddarllenydd), ac yn newid anghenion staffio ar yr ymylon.
-
Tymor hwy: gallai awtomeiddio rhai llifau gwaith sgrinio yn helaeth, ond mae angen goruchwyliaeth ddynol a chynyddu'r broses o wneud hynny o hyd yn y rhan fwyaf o systemau iechyd.
-
Y canlyniad mwyaf tebygol: mae radiolegwyr + deallusrwydd artiffisial yn perfformio'n well ar eu pen eu hunain, ac mae'r swydd yn symud tuag at oruchwylio, cyfathrebu a gwneud penderfyniadau cymhleth.
Os ydych chi'n fyfyriwr meddygol neu'n feddyg iau: sut i baratoi ar gyfer y dyfodol (heb banicio) 🧩
Ychydig o symudiadau ymarferol sy'n helpu, hyd yn oed os nad ydych chi'n "ymddiddori mewn technoleg":
-
Dysgwch sut mae AI yn methu (rhagfarn, drifft, canlyniadau positif ffug) - dyma lythrennedd clinigol nawr [5]
-
Ymgyfarwyddo â hanfodion llif gwaith a gwybodeg (PACS, adrodd strwythuredig, sicrhau ansawdd)
-
Datblygu arferion cyfathrebu cryf - mae'r haen ddynol yn dod yn fwy gwerthfawr
-
Os yn bosibl, ymunwch â grŵp gwerthuso neu lywodraethu AI yn eich ysbyty
-
Canolbwyntio ar feysydd â chyd-destun uchel + gweithdrefnau (IR, niwro cymhleth, delweddu oncolegol)
Ac ie, byddwch y person a all ddweud: “Mae’r model hwn yn ddefnyddiol yma, yn beryglus acw, a dyma sut rydyn ni’n ei fonitro.” Mae’n anodd disodli’r person hwnnw.
Crynodeb + llun cyflym 🧠✨
Bydd deallusrwydd artiffisial yn ail-lunio radioleg yn llwyr, ac mae esgus fel arall yn ddigon i ymdopi. Ond mae'r naratif "mae radiolegwyr wedi'u tynghedu" yn bennaf yn atgofion clic gyda chôt labordy arnynt.
Cymryd cyflym
-
Defnyddir deallusrwydd artiffisial eisoes ar gyfer blaenoriaethu, cefnogi canfod a chymorth mesur.
-
Mae'n wych ar gyfer tasgau cul, ailadroddus - ac yn sigledig gyda realiti clinigol prin, cyd-destun uchel.
-
Mae radiolegwyr yn gwneud mwy na chanfod patrymau - maen nhw'n rhoi cyd-destun, yn cyfathrebu, ac yn cario cyfrifoldeb.
-
Y dyfodol mwyaf realistig yw “radiolegwyr sy’n defnyddio deallusrwydd artiffisial” yn disodli “radiolegwyr sy’n ei wrthod,” nid deallusrwydd artiffisial yn disodli’r proffesiwn yn gyfan gwbl. 😬🩻
Cwestiynau Cyffredin
A fydd deallusrwydd artiffisial yn disodli radiolegwyr yn ystod y blynyddoedd nesaf?
Nid yn llawn, ac nid ar draws y rhan fwyaf o systemau iechyd. Mae deallusrwydd artiffisial radioleg heddiw wedi'i adeiladu'n bennaf i awtomeiddio swyddogaethau cul fel triagio, canfod patrymau, a mesuriadau, yn hytrach na chario cyfrifoldeb diagnostig o'r dechrau i'r diwedd. Mae radiolegwyr yn dal i gyflenwi cyd-destun clinigol, trin achosion ymylol, cyfathrebu â thimau atgyfeirio, a chadw atebolrwydd meddygol-gyfreithiol am adroddiadau. Y newid mwy uniongyrchol yw ailgynllunio llif gwaith, nid disodli ar draws y proffesiwn.
Pa dasgau radioleg mae deallusrwydd artiffisial yn eu gwneud ar hyn o bryd mewn gwirionedd?
Mae'r rhan fwyaf o'r offer a ddefnyddir yn canolbwyntio ar waith ailadroddus, ffocws: nodi astudiaethau brys i'w blaenoriaethu, canfod patrymau cyffredin (fel nodau neu waedu), a chynhyrchu mesuriadau neu gymhariaethau hydredol. Defnyddir deallusrwydd artiffisial hefyd fel "ail ddarllenydd" mewn rhai llwybrau sgrinio i gefnogi rheoli cyfaint a chysondeb. Gall y systemau hyn fyrhau ciwiau a lleihau llafur â llaw, ond maent yn dal i fod angen gwirio gan bobl.
Pwy sy'n gyfrifol os yw adroddiad a gefnogir gan AI yn anghywir?
Mewn llawer o lifau gwaith yn y byd go iawn, y radiolegydd yw'r llofnodwr cyfrifol hyd yn oed pan fydd AI yn cyfrannu at ddosbarthu neu ganfod. Nid yw cyfrifoldeb clinigol yn trosglwyddo'n awtomatig i'r algorithm na'r gwerthwr. Yn ymarferol, mae angen i radiolegwyr drin allbwn AI fel cefnogaeth i benderfyniadau, gwirio canlyniadau, a dogfennu'n briodol. Mae llwybrau uwchgyfeirio a llywodraethu clir yn helpu i ddiffinio sut i fwrw ymlaen pan fydd allbwn AI yn gwrthdaro â barn glinigol.
Sut ydw i'n gwybod a yw teclyn AI yn ddibynadwy ar gyfer fy ysbyty?
Dull cyffredin yw barnu offer yn ôl realaeth glinigol yn hytrach na pherfformiad demo. Chwiliwch am gwmpas wedi'i ddiffinio'n glir, dilysu ar draws sawl safle, sganiwr, a phoblogaethau cleifion, a thystiolaeth bod y system yn dal i fyny o dan eich protocolau a chyfyngiadau ansawdd delweddau. Mae integreiddio llif gwaith (ffit PACS/RIS) yr un mor bwysig â chywirdeb, gan fod model "da" sy'n tarfu ar ddarllen yn aml yn mynd heb ei ddefnyddio. Mae monitro parhaus yn parhau i fod yn hanfodol.
A yw “wedi’i glirio gan yr FDA” (neu wedi’i reoleiddio) yn golygu bod y model yn ddiogel i ddibynnu arno?
Mae cliriad rheoleiddiol yn arwydd ystyrlon, ond nid yw'n gwarantu perfformiad cryf yn eich amgylchedd penodol. Gall canlyniadau byd go iawn newid gydag uwchraddio sganwyr, mân newidiadau protocol, a gwahaniaethau poblogaeth. Mae gwerthuso lleol a monitro cynhyrchu yn dal i fod yn bwysig, hyd yn oed ar gyfer offer awdurdodedig. Trin cliriad fel llinell sylfaen, yna dilysu ar gyfer eich lleoliad a pharhau i fesur y drifft.
Beth yw'r ffyrdd mwyaf y mae deallusrwydd artiffisial radioleg yn methu yn ymarferol?
Mae dulliau methiant cyffredin yn cynnwys achosion allan o ddosbarthiad (clefyd prin, anatomeg anarferol), dallineb cyd-destun, sensitifrwydd i arteffactau (symudiad, metel, amseru cyferbyniad), a chanlyniadau positif ffug sy'n ychwanegu gwaith. Y materion mwyaf peryglus yw "methiannau tawel," lle mae'r model yn methu canfyddiadau heb rybudd amlwg. Gall perfformiad hefyd symud wrth i amodau caffael newid, felly mae monitro a rheiliau gwarchod yn eistedd o fewn diogelwch cleifion, nid fel "rhywbeth braf i'w gael."
Sut gall adrannau leihau blinder rhybudd ac osgoi dosbarthu AI swnllyd?
Dechreuwch drwy addasu trothwyon i gyd-fynd â'ch blaenoriaethau clinigol a realiti staffio, yn hytrach na mynd ar ôl y sensitifrwydd mwyaf ar bapur. Mesurwch y baich positif ffug yn y byd go iawn, a dyluniwch reolau uwchgyfeirio fel bod baneri AI yn sbarduno camau gweithredu cyson a rheoladwy. Mae llawer o biblinellau'n elwa o adolygiad cam wrth gam (AI → radiograffydd/gwiriad technoleg → radiolegydd) ac ymddygiad diogel penodol rhag methiannau pan nad yw'r offeryn ar gael. Yn aml, "sŵn isel" yw'r hyn sy'n gwneud AI yn ymarferol o ddydd i ddydd.
Os yw gorbwysleisio'r posibilrwydd o ddeallusrwydd artiffisial yn disodli radiolegwyr, sut ddylai hyfforddeion baratoi ar gyfer y dyfodol beth bynnag?
Anelu at ddod yn berson sy'n gallu goruchwylio llifau gwaith sy'n cael eu galluogi gan AI yn ddiogel. Dysgwch ddulliau methiant craidd fel rhagfarn, drifft, a sensitifrwydd i arteffactau, a meithrin cysur gyda hanfodion gwybodeg fel PACS, adrodd strwythuredig, a phrosesau sicrhau ansawdd. Mae sgiliau cyfathrebu yn ennill gwerth wrth i waith arferol gael ei awtomeiddio, yn enwedig mewn byrddau tiwmor ac ymgynghoriadau risg uchel. Mae ymuno â grŵp gwerthuso neu lywodraethu yn ffordd gadarn o feithrin arbenigedd parhaol.
Cyfeiriadau
-
Singh R. et al., npj Digital Medicine (2025) - Adolygiad tacsonomeg sy'n cwmpasu 1,016 o awdurdodiadau dyfeisiau meddygol AI/ML a awdurdodwyd gan yr FDA (fel y'u rhestrwyd hyd at Ragfyr 20, 2024), gan dynnu sylw at ba mor aml y mae AI meddygol yn dibynnu ar fewnbynnau delweddu a pha mor aml yw radioleg y prif banel adolygu. darllen mwy
-
Datganiad amlgymdeithasol a gynhelir gan ESR - Fframwaith moeseg trawsgymdeithasol ar gyfer AI mewn radioleg, gan bwysleisio llywodraethu, defnydd cyfrifol, ac atebolrwydd parhaus clinigwyr o fewn llifau gwaith a gefnogir gan AI. darllen mwy
-
Tudalen dyfeisiau meddygol sy'n cael eu galluogi gan AI FDA yr Unol Daleithiau - Rhestr dryloywder a nodiadau methodoleg yr FDA ar gyfer dyfeisiau meddygol sy'n cael eu galluogi gan AI, gan gynnwys rhybuddion ynghylch cwmpas a sut mae cynhwysiant yn cael ei bennu. darllen mwy
-
McKinney SM et al., Nature (2020) - Gwerthusiad rhyngwladol o system AI ar gyfer sgrinio canser y fron, gan gynnwys dadansoddiad cymharu darllenwyr ac efelychiadau o effaith llwyth gwaith mewn gosodiad darllen dwbl. darllen mwy
-
Roschewitz M. et al., Nature Communications (2023) - Ymchwil ar ddrifft perfformiad o dan newid caffael mewn dosbarthu delweddau meddygol, gan ddangos pam mae monitro a chywiro drifft yn bwysig mewn AI delweddu a ddefnyddir. darllen mwy