A Q&A with the Qualcomm Tricorder XPRIZE Winners
Notice bibliographique
Résumé
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.
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 | 0,009 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,021 | 0,008 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,008 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,673 | 0,568 |
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 ».