MétaCan
Menu
Retour à la cohorte
Enregistrement W2784952320 · doi:10.1373/clinchem.2017.278853

A Q&A with the Qualcomm Tricorder XPRIZE Winners

2018· article· en· W2784952320 sur OpenAlexaff
Ann M. Gronowski, Shannon Haymond, Basil Harris, Chung‐Kang Peng, Sandeep S Kohli

Notice bibliographique

RevueClinical Chemistry · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueArtificial Intelligence in Healthcare
Établissements canadiensMcMaster UniversityOakville-Trafalgar Memorial Hospital
Organismes subventionnairesnon disponible
Mots-clésCompetition (biology)InnovatorFrontierHealth careEPICCompetitor analysisMarketingMedical diagnosisCloud computingHealth technologyBusinessMedicineComputer scienceEconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

In recent years, there has been an increasing demand for “health consumer technologies”—small, user-friendly, point-of-care devices that can be operated by untrained individuals to evaluate health and disease. The Qualcomm Tricorder XPRIZE was a $10 million global competition to stimulate innovation and integration of advanced technologies, enabling reliable health diagnoses anywhere and anytime (https://tricorder.xprize.org/). The competition called for the development of a device that could diagnose 12 diseases (and the absence of disease) and capture 5 real-time health vital signs independent of a healthcare professional or facility. Devices also could not weigh >5 pounds and required the capability to transmit data to a cloud storage and computing system. Although diagnostic accuracy was a key component, the competition was unique in its strong emphasis on user adoption and experience. In fact, only teams scoring the highest on the consumer experience evaluations were eligible to win the overall competition. After the competition's launch in 2012, >300 teams joined. In April 2017, 3 winners were announced. Final Frontier Medical Devices, led by Basil Harris, was announced the highest performing team and received $2.6 million for their achievement. Dynamical Biomarkers Group, led by Chung Kang Peng, received $1 million for second place. Cloud DX, led by Sonny Kohli, was also recognized as XPRIZE's first Bold Epic Innovator and received $100000. Here we learn more about these devices and their inventors, including what inspired their teams and what hurdles they were able to overcome. Describe your device and what it does. Basil Harris: Our tricorder is an autonomous medical diagnostic device that leverages technological advances in wireless monitoring, artificial intelligence, and affordable point-of-care biomedical processes. Our prototype tricorder, called DxtER, comprises several innovative sensors that together form a comprehensive healthcare kit. The diagnostic engine, or the brain of the device, is an app on a …

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,687
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

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.

Tête enseignante Opus0,406
Tête enseignante GPT0,603
Écart entre enseignants0,197 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical ChemistryMême sujetArtificial Intelligence in HealthcareTravaux en français237 207