Description: Peer-review of papers about COVID-19 detection and prognostication algorithms from 2020, including deployed models, revealed none to be ready for clinical use, due to methodological flaws and underlying biases such as lacking external validation or not specifying data sources and model training details.
Entidades
Ver todas las entidadesPresunto: un sistema de IA desarrollado por unknown y Icahn School of Medicine researchers e implementado por Mount Sinai Hospital y unknown, perjudicó a 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
Informes del Incidente
Cronología de Informes
nature.com · 2021
- Ver el informe original en su fuente
- Ver el informe en el Archivo de Internet
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…
statnews.com · 2021
- Ver el informe original en su fuente
- Ver el informe en el Archivo de Internet
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 que comparte los mismos factores causales, produce daños similares e involucra los mismos sistemas inteligentes que un incidente de IA conocido. En lugar de indexar las variantes como incidentes completamente separados, enumeramos las variaciones de los incidentes bajo el primer incidente similar enviado a la base de datos. A diferencia de otros tipos de envío a la base de datos de incidentes, no se requiere que las variantes tengan informes como evidencia externa a la base de datos de incidentes. Obtenga más información del trabajo de investigación.