Skip to Content
logologo
AI Incident Database
Open TwitterOpen RSS FeedOpen FacebookOpen LinkedInOpen GitHub
Open Menu
Descubrir
Enviar
  • Bienvenido a la AIID
  • Descubrir Incidentes
  • Vista espacial
  • Vista Tabular
  • Vista de lista
  • Entidades
  • Taxonomías
  • Enviar Informes de Incidentes
  • Ranking de Reportadores
  • Blog
  • Resumen de noticias de IA
  • Control de Riesgos
  • Incidente aleatorio
  • Registrarse
Colapsar
Descubrir
Enviar
  • Bienvenido a la AIID
  • Descubrir Incidentes
  • Vista espacial
  • Vista Tabular
  • Vista de lista
  • Entidades
  • Taxonomías
  • Enviar Informes de Incidentes
  • Ranking de Reportadores
  • Blog
  • Resumen de noticias de IA
  • Control de Riesgos
  • Incidente aleatorio
  • Registrarse
Colapsar
Traducido por IA

Incidente 535: Modelos de detección y pronóstico de COVID-19 presuntamente señalados por fallas metodológicas y sesgos subyacentes

Traducido por IA
Descripción:
Traducido por IA
La revisión por pares de artículos sobre algoritmos de detección y pronóstico de COVID-19 de 2020, incluidos los modelos implementados, reveló que ninguno está listo para el uso clínico, debido a fallas metodológicas y sesgos subyacentes, como la falta de validación externa o no especificar las fuentes de datos y los detalles de entrenamiento del modelo.

Herramientas

Nuevo InformeNuevo InformeNueva RespuestaNueva RespuestaDescubrirDescubrirVer HistorialVer Historial

Entidades

Ver todas las entidades
Alleged: unknown y Icahn School of Medicine researchers developed an AI system deployed by Mount Sinai Hospital y unknown, which harmed COVID-19 patients y COVID-19 healthcare providers.

Estadísticas de incidentes

ID
535
Cantidad de informes
2
Fecha del Incidente
2020-01-01
Editores
Khoa Lam
Applied Taxonomies
MIT

Clasificaciones de la Taxonomía MIT

Machine-Classified
Detalles de la Taxonomía

Risk Subdomain

A further 23 subdomains create an accessible and understandable classification of hazards and harms associated with AI
 

7.3. Lack of capability or robustness

Risk Domain

The Domain Taxonomy of AI Risks classifies risks into seven AI risk domains: (1) Discrimination & toxicity, (2) Privacy & security, (3) Misinformation, (4) Malicious actors & misuse, (5) Human-computer interaction, (6) Socioeconomic & environmental harms, and (7) AI system safety, failures & limitations.
 
  1. AI system safety, failures, and limitations

Entity

Which, if any, entity is presented as the main cause of the risk
 

Human

Timing

The stage in the AI lifecycle at which the risk is presented as occurring
 

Pre-deployment

Intent

Whether the risk is presented as occurring as an expected or unexpected outcome from pursuing a goal
 

Unintentional

Informes del Incidente

Cronología de Informes

Incident OccurrenceErrores comunes y recomendaciones para usar el aprendizaje automático para detectar y pronosticar COVID-19 usando radiografías de tórax y tomografías computarizadasEl aprendizaje automático está en auge en la medicina. También se enfrenta a una crisis de credibilidad.
Errores comunes y recomendaciones para usar el aprendizaje automático para detectar y pronosticar COVID-19 usando radiografías de tórax y tomografías computarizadas

Errores comunes y recomendaciones para usar el aprendizaje automático para detectar y pronosticar COVID-19 usando radiografías de tórax y tomografías computarizadas

nature.com

El aprendizaje automático está en auge en la medicina. También se enfrenta a una crisis de credibilidad.

El aprendizaje automático está en auge en la medicina. También se enfrenta a una crisis de credibilidad.

statnews.com

Errores comunes y recomendaciones para usar el aprendizaje automático para detectar y pronosticar COVID-19 usando radiografías de tórax y tomografías computarizadas
nature.com · 2021
Traducido por IA

Abstracto

Los métodos de aprendizaje automático ofrecen una gran promesa para la detección y el pronóstico rápidos y precisos de la enfermedad por coronavirus 2019 (COVID-19) a partir de radiografías de tórax (CXR) y tomografías computariza…

El aprendizaje automático está en auge en la medicina. También se enfrenta a una crisis de credibilidad.
statnews.com · 2021
Traducido por IA

La loca carrera se aceleró tan rápido como la pandemia. Los investigadores se apresuraron a ver si la inteligencia artificial podía desentrañar los muchos secretos de Covid-19, y por una buena razón. Había escasez de pruebas y tratamientos …

Variantes

Una "Variante" es un incidente de IA similar a un caso conocido—tiene los mismos causantes, daños y sistema de IA. En lugar de enumerarlo por separado, lo agrupamos bajo el primer incidente informado. A diferencia de otros incidentes, las variantes no necesitan haber sido informadas fuera de la AIID. Obtenga más información del trabajo de investigación.
¿Has visto algo similar?
Incidente AnteriorSiguiente Incidente

Investigación

  • Definición de un “Incidente de IA”
  • Definición de una “Respuesta a incidentes de IA”
  • Hoja de ruta de la base de datos
  • Trabajo relacionado
  • Descargar Base de Datos Completa

Proyecto y Comunidad

  • Acerca de
  • Contactar y Seguir
  • Aplicaciones y resúmenes
  • Guía del editor

Incidencias

  • Todos los incidentes en forma de lista
  • Incidentes marcados
  • Cola de envío
  • Vista de clasificaciones
  • Taxonomías

2024 - AI Incident Database

  • Condiciones de uso
  • Política de privacidad
  • Open twitterOpen githubOpen rssOpen facebookOpen linkedin
  • 69ff178