Development and Internal Validation of a Safety-Gated Artificial Intelligence System for Predicting Serious Bacterial Infection among Children in Northern Nigeria
Deze studie heeft een met veiligheid beveiligd kunstmatige intelligentiekader ontwikkeld en intern gevalideerd met behulp van Nigeriaanse pediatrische klinische gegevens, dat een ensemble-voorspellingsmodel combineert met een lokaal groot taalmodel en een deterministische gating-engine om ernstige bacteriële infecties te identificeren, waarbij een matige voorspellende prestatie werd behaald terwijl 20% van de voorspellingen werd achtergehouden om de datakwaliteit en klinische veiligheid te waarborgen.