Author (s): Ruth C. Carlos, MD, MS a , Charles E. Kahn, MD, MS b , Safwan
Halabi, MD c Títle of paper: Data Science: Big Data, Machine Learning, and Artificial Intelligence pag – pag (year): 2018
Problema que el autor desea resolver
Una búsqueda rápida en PubMed.gov sobre la ciencia de los datos superó en
10.000 resultados a la inteligencia artificial. Esto nos sugiere un declive en lo que es Inteligencia artificial que se vería afectada por la búsqueda de la ciencia de los datos. El cambio no ha afectado con buenos ojos a los radiólogos, que se han visto afectados por esta nueva “máquina del futuro. “Sin embargo, se detalló la opinión de futurólogos y como se verían en un próximo futuro, el cual les dan una óptima respuesta.
Descripción del aporte del autor
Expandir las oportunidades para que la comunidad de radiología establezca estándares de la industria e infraestructura con respecto a la adquisición de imágenes, validación de algoritmos de aprendizaje automático, y léxico de comunicación para desarrollar mejores modelos categóricos para aplicaciones clínicas y de investigación en radiología. Especulaciones sobre los cambios pedagógicos requeridos para la residencia de formación, que replanteará la cultura de la información en el marco de la radiología. Giger explora en más profundidad diferentes aspectos de ciencia de datos, incluido el diagnóstico asistido por ordenador. Erickson realiza un análisis a profundidad sobre el aprendizaje , su diferencia con el aprendizaje automático, y su aplicación en radiología médica, proporcionando una matriz detallada sobre la construcción, las pruebas, y despliegue de esta tecnología en la práctica. En una serie de dos partes, Shaikh estudia cómo traduciríamos la radiologia que combina el aprendizaje automático de la analítica de datos, la integración de datos y el apoyo a la toma de decisiones clínicas en un sistema clínicamente aplicable y comercialmente viable. En la parte 1, describen la traducción de la tecnología de la metodología a la práctica clínica. En la parte 2, describen la traducción tecnológica de la implementación clínica a las soluciones empresariales. Referencias bibliográficas referenciadas en el informe
1. Moehrle A. “Radiology” is going away. and that’s okay: Titles change, a
profession evolves. J Am Coll Radiol 2018;15:499-500. 2. King BF. Artificial intelligence and radiology: what will the future hold? J Am Coll Radiol 2018;15:501-3. 3. Thrall JH, Li X, Li Q, et al. Artificial intelligence and machine learning in radiology: opportunities, challenges, pitfalls and criteria for success. J Am Coll Radiol 2018;15:504-8. 4. Jha S, Topol EJ. Information and artificial intelligence. J Am Coll Radiol 2018;15:509-11. 5. Giger ML. Machine learning in medical imaging. J Am Coll Radiol 2018;15:512-20. 6. Erickson BJ, Korfiatis P, Kline TL, et al. Deep learning in radiology:does one size fit all? J Am Coll Radiol 2018;15:521-6. 7. Shi B, Grimm LJ, Mazurowski MA, et al. Prediction of occult invasivedisease in ductal carcinoma in situ using deep learning features. J Am Coll Radiol 2018;15:527-34. 8. Kohli A, Jha S. Why CAD failed in mammography. J Am Coll Radiol 2018;15:535-7. 9. Shaikh F, Franc B, Allen E, et al. Translational radiomics—defining the strategy pipeline and considerations for application. Part 1: From methodology to clinical implementation. J Am Coll Radiol 2018;15: 538-42. 10. Shaikh F, Franc B, Allen E, et al. Translational radiomics—defining the strategypipelineandconsiderationsforapplication.Part2:Fromclinical implementation to enterprise. J Am Coll Radiol 2018;15:543-9. 11. Guimaraes CV, Grzeszczuk R, Bisset III GS, Donnelly LF. Comprarison between manual auditing and a natural language process with machine learning algorithm to evaluate faculty use of standardized reports in radiology. J Am Coll Radiol 2018;550-3. 12. Huesch M, Cherian R, Labib S, Mahraj R. Evaluating report text variation and informativeness: natural language processing of CT chest imaging for pulmonary embolism. J Am Coll Radiol 2018;554-62. 13. Schuler A, Callahan A, Jung K, Shah NH. Performing an informatics consult: methods and challenges. J Am Coll Radiol 2018;563-8. 14. Syeda-Mahmood T. Role of big data and machine learning in diagnostic decision support in radiology. J Am Coll Radiol 2018;569-76. 15. McGinty GB, Allen Jr B. The ACR data science institute and AI advisory group: harnessing the power of artificial intelligence to improve patient care. J Am Coll Radiol 2018;15:577-9. 16. Balthazar P, Harri P, Prater A, Safdar NM. Protecting your patients’ interests in the era of big data, artificial intelligence, and predictive analytics. J Am Coll Radiol 2018;15:580-6. 17. Gunderman—triumph of the machines. J Am Coll Radiol 2018;15:587-8. 18. Timbuk3. The future’s so bright, I gotta wear shades. Greetings from Timbuk3 [album]. I.R.S. Records; 1986. Available at https://en.wikipedia.org/wiki/. Accessed February 2, 2018.