综述论文详述数字健康领域的可信赖人工智能

一篇新近发表在arXiv上的综述论文综合了可信赖人工智能领域的最新进展，特别关注数字健康领域的鲁棒性和可解释性。论文概述了公平性、问责制和隐私等关键维度，这些对于机器学习在医疗保健中的伦理整合至关重要。文章探讨了重症监护和代谢健康等领域的特定应用信任考量，并详细介绍了改进模型鲁棒性和可解释性的方法，包括针对数据稀疏性和分布偏移的技术。 AI

影响 为在关键医疗保健应用中开发更可靠、更具可解释性的人工智能解决方案提供了框架。

排序理由 该条目是一篇发表在arXiv上的综合性综述论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• accountability
• arXiv
• Digital Health
• explainability
• intensive care unit
• machine learning
• metabolic health
• Neonatal health care costs related to smoking during pregnancy
• privacy
• robustness

• 论文
• 安全

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →