开发
本文介绍了放射学中人工智能和机器学习模型中偏见的原因,并提供了避免这些问题的策略。本文是三部曲系列的第一部分,重点介绍数据处理。
美国儿童医院(CHOP)宣布推出新的分子靶点平台,利用小儿癌症数据来加速癌症药物开发。该平台支持儿童癌症研究,以满足“加速治愈和公平法案”(RACE)的要求。该法案扩大了FDA对某些成人癌症药物和产品赞助商的要求,以评估其药物在儿童中的使用。
哈佛大学和华盛顿大学医学院的研究人员开发了一款基于深度学习的人工智能软件,可用于设计具有不同功能的蛋白质,其中一些可用于制造药物、疫苗和医疗治疗。这种软件可通过从蛋白质数据库中提取数据来训练神经网络,从而生成新的蛋白质序列。
本篇文章主要讲述了FDA拟议的LDT监管法规和用户费用法案草案,该法规将实验室开发测试和体外诊断归为一类并创建基于风险的测试监管框架。关注行业团体对改变的反对意见以及豁免是如何影响法规实施的。此外,提到了FDA是否有充足资源来规范LDT的监管,以及业界观点的不一致。最后,还提到了AAMC建议先不要急于通过重新授权用户费用的立法程序来推动有缺陷、有问题的立法。