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.
Entités
Voir toutes les entitésPrésumé : un système d'IA développé par unknown and Icahn School of Medicine researchers et mis en œuvre par Mount Sinai Hospital and unknown, endommagé COVID-19 patients and COVID-19 healthcare providers.
Statistiques d'incidents
ID
535
Nombre de rapports
2
Date de l'incident
2020-01-01
Editeurs
Khoa Lam
Rapports d'incidents
Chronologie du rapport
nature.com · 2021
- Afficher le rapport d'origine à sa source
- Voir le rapport sur l'Archive d'Internet
Abstrait
Les méthodes d'apprentissage automatique sont très prometteuses pour une détection et un pronostic rapides et précis de la maladie à coronavirus 2019 (COVID-19) à partir de radiographies thoraciques standard (CXR) et d'images de to…
statnews.com · 2021
- Afficher le rapport d'origine à sa source
- Voir le rapport sur l'Archive d'Internet
La course folle s'est accélérée aussi vite que la pandémie. Les chercheurs se sont précipités pour voir si l'intelligence artificielle pouvait percer les nombreux secrets de Covid-19 - et pour une bonne raison. Il y avait une pénurie de tes…
Variantes
Une "Variante" est un incident qui partage les mêmes facteurs de causalité, produit des dommages similaires et implique les mêmes systèmes intelligents qu'un incident d'IA connu. Plutôt que d'indexer les variantes comme des incidents entièrement distincts, nous listons les variations d'incidents sous le premier incident similaire soumis à la base de données. Contrairement aux autres types de soumission à la base de données des incidents, les variantes ne sont pas tenues d'avoir des rapports en preuve externes à la base de données des incidents. En savoir plus sur le document de recherche.