204 ورقة بحثية
تقترح هذه الورقة إطار عمل للشبكة العصبية الرسومية المستندة إلى علم الأوبياء (EIGNN)، والذي يدمج النماذج الوبائية الميكانيكية مع شبكات الاتصال القائمة على البيانات للتنبؤ بديناميكيات العدوى المكتسبة في المستشفيات وتفسيرها بدقة، مع ضمان الثقة السريرية من خلال الشفافية.
يكشف هذا التحليل المستعرض لـ 1,430 تصريحاً من إدارة الغذاء والدواء في الفترة من 1995 إلى 2025 أنه بينما شهدت الموافقات على الأجهزة الطبية المدعومة بالذكاء الاصطناست/تعلم الآلة طفرة هائلة، إلا أنها لا تزال تتركز بكثافة في التخصصات التشخيصية الغنية بالصور مثل الأشعة، مما يترك فجوات كبيرة في التمثيل لمجالات سريرية رئيسية أخرى مثل علم الأمراض، والتوليد، والصحة السلوكية.
تطور هذه الدراسة وتتحقق من صحة إطار عمل لتعلم الآلة القابل للتفسير باستخدام تعزيز التدرج الفائق لتصنيف حالات انتقال الملاريا بدقة عبر مقاطعات كينيا السبع والأربعين من عام 2015 إلى عام 2025، مما يثبت أن دمج البيانات الوبائية والبيئية يمكن أن يدعم بفعالية عمليات المراقبة المستهدفة وتخصيص الموارد.
تقدم الورقة البحثية MISP-Bench، وهو معيار قياسي عاملي واسع النطاق يقيم كيفية استجابة النماذج اللغوية ذات الأوزان المفتوحة للمقدمات الكاذبة المقدمة من المستخدم في السياقات السريرية والتعليمية، كاشفاً أن هجمات الإجابة-التعليل المشتركة تظهر ضرراً دون الجمعي، وأن المشتتات المستهدفة تزيد بشكل كبير من التملق مقارنة بالمشتتات العشوائية، وأن استراتيجيات حماية سلامة محددة (مثل استقلالية المصدر والتجاوز الصريح) تخفف بفعالية من القابلية للتضليل عبر نماذج متنوعة.
تقدم هذه الورقة تدقيق تسرب البيانات الديموغرافية الناجم عن فقدانها (MDLA)، وهو إطار عمل قابل لإعادة الإنتاج يكشف كيف يمكن لأنماط البيانات السريرية المفقودة في نماذج الوفيات في العناية المركزة أن تعمل كبدائل ديموغرافية خفية وغير مقاسة، مما يستوجب دمج التدقيق الواعي بفقدان البيانات والتقييم الواعي بالمعايرة في مسارات التحقق من صحة الذكاء الاصطناعي السريري.
يُظهر هذا التقييم المقارن أنه في حين أن النماذج اللغوية الكبيرة العامة التي تم ضبطها بدقة تقل أداءً بشكل عام عن النماذج السريرية التأسيسية المتخصصة في التنبؤ بمخاطر الأمراض من السجلات الصحية الإلكترونية المهيكلة، فإن التضمينات المولدة بواسطة النماذج اللغوية الكبيرة والمقترنة بمصنفات خفيفة الوزن يمكن أن تحقق أداءً فائقاً عبر مقاييس AUROC وAUPRC على حد سواء.
يحدد بروتوكول REVELIO دراسة تجريبية عشوائية ومنضبطة في مضمار اختبار مغلق، صُممت لتقييم جدوى نظام متعدد الوسائط داخل المركبة للكشف عن القيادة تحت تأثير القنب لدى المستخدمين الترفيهيين الأصحاء، وذلك من خلال ربط بيانات المركبة والسائق والبيانات البيولوجية عقب إعطاء مادة THC بشكل محكوم.
تقدم الورقة البحثية إطار عمل AERO، وهو إطار عمل لوكيل ذكاء اصطناعي يعمل على تحسين معايير الأهلية للتجارب السريرية لمحاكاة بيانات العالم الحقيقي من خلال تسخير النماذج اللغوية الكبيرة لتصنيف وتكرير المعايير بشكل منهجي، مما يؤدي إلى تحسين تعميم ودقة تقديرات تأثير العلاج كما هو موضح في محاكاة تجربة WARCEF.
تقدم هذه الورقة EquiLense، وهي أداة تدقيق عملية، ولاحقة، ومستقلة عن النموذج، تسد الفجوة بين تقييمات العدالة الجماعية والفردية في الذكاء الاصطناكن السريري من خلال استخدام مقياس مبتكر يسمى "متوسط فرق الاحتمال المتوقع" (MPPD) لتحديد التناقضات المنهجية في التنبؤ عبر المجموعات الديموغرافية.
تُعد MedAdhereAI مساراً للتعلم الآلي القابل للتفسير، يستخدم بيانات إعادة صرف الأدوية والمطالبات من العالم الحقيقي للتنبؤ بعدم الالتزام بتناول الأدوية لدى مرضى الأمراض المزمنة، مما يوفر رؤى قابلة للتنفيذ من خلال قابلية التفسير باستخدام SHAP لدعم التدخلات السريرية المستهدفة.