The neural correlates of medical expertise.
Notice bibliographique
Résumé
Previous research using event-related potentials (ERPs) has shown that the N170 component is enhanced when experts categorize objects in their domain of expertise relative to when they categorize objects outside of their domain (Tanaka & Curran, 2001). Here, we replicated Tanaka and Curran’s study on bird and dog experts with medical experts in reading electrocardiography (ECG) and chest X-ray (CXR) images. 16 physicians (8 cardiologists, 8 pulmonologists) participated in the ERP study. On a scale of 1 (zero expertise) to 9 (much expertise), cardiologists and pulmonologists rated their expertise with ECG images as 8.50 and 5.75, respectively, and with CXR images as 5.00 and 7.63, respectively. On each of 520 trials, participants viewed one of 7 ECG or CXR patterns. The pattern image was preceded by a correct or incorrect label either at the basic (“ECG”, “CXR”) or subordinate (e.g., “attrial flutter”, “pneumonia”) level. Participants were asked to indicate with a key press whether the label and diagnostic image matched or not. A mixed ANOVA on the accuracy data from both groups showed a significant interaction between stimulus type and expertise—participants were better at categorizing ECG than CXR images, particularly the Cardiologists (F = 5.8, p < .05). Closely reflecting the behavioural results, a mixed ANOVA on the N170 mean amplitudes from correct trials showed a significant interaction between stimulus type, expertise, and hemisphere. The N170 was larger to ECG than CXR images, especially for Cardiologists, and in the right hemisphere (F = 6.97, p < .05). In contrast, no significant effects were found for the P100. These findings indicate that the N170 amplitude not only reflects object expertise but can also be modulated by expertise in pattern recognition. Meeting abstract presented at VSS 2015
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».