Establishing an interdisciplinary research team for cardio-oncology artificial intelligence informatics precision and health equity
Notice bibliographique
Résumé
Study objective: A multi-institutional interdisciplinary team was created to develop a research group focused on leveraging artificial intelligence and informatics for cardio-oncology patients. Cardio-oncology is an emerging medical field dedicated to prevention, screening, and management of adverse cardiovascular effects of cancer/ cancer therapies. Cardiovascular disease is a leading cause of death in cancer survivors. Cardiovascular risk in these patients is higher than in the general population. However, prediction and prevention of adverse cardiovascular events in individuals with a history of cancer/cancer treatment is challenging. Thus, establishing an interdisciplinary team to create cardiovascular risk stratification clinical decision aids for integration into electronic health records for oncology patients was considered crucial. Design/setting/participants: Core team members from the Medical College of Wisconsin (MCW), University of Wisconsin-Milwaukee (UWM), and Milwaukee School of Engineering (MSOE), and additional members from Cleveland Clinic, Mayo Clinic, and other institutions have joined forces to apply high-performance computing in cardio-oncology. Results: The team is comprised of clinicians and researchers from relevant complementary and synergistic fields relevant to this work. The team has built an epidemiological cohort of ~5000 cancer survivors that will serve as a database for interdisciplinary multi-institutional artificial intelligence projects. Conclusion: Lessons learned from establishing this team, as well as initial findings from the epidemiology cohort, are presented. Barriers have been broken down to form a multi-institutional interdisciplinary team for health informatics research in cardio-oncology. A database of cancer survivors has been created collaboratively by the team and provides initial insight into cardiovascular outcomes and comorbidities in this population.
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 | 0,119 | 0,099 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,013 | 0,007 |
| Communication savante | 0,018 | 0,009 |
| Science ouverte | 0,005 | 0,037 |
| Intégrité de la recherche | 0,004 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,003 |
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.
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 ».