Current state evaluation of challenges and opportunities in standardized nomenclature and artificial intelligence adoption in Canadian radiation oncology practice
Notice bibliographique
Résumé
PURPOSE: Variations in the implementation of emerging data nomenclature standards and usage of artificial intelligence (AI) tools in Canadian radiation therapy (RT) centres have not yet been fully characterized. To address this, a current state analysis was conducted to serve as a baseline assessment and to identify gaps and opportunities for harmonized pan-Canadian data practices and the adoption of AI in clinical settings within radiation oncology. METHODS AND MATERIALS: A survey was distributed to all Canadian RT centres with the aim to describe the perceived status and characteristics of implementation of standardized nomenclature, usage of AI tools, and relevant gaps and opportunities in this field. RESULTS: Thirty three of 51 (64.7%) Canadian RT centres responded. Responses characterized variation in standardized nomenclature implementation and usage of AI tools across centres, with some trends between regions. Approximately two-thirds of RT centres were using TG-263 guidance of the American Association of Physicists in Medicine (70.0%, n=23). whereas only a third of centres reported awareness of next steps for O3. The most commonly-reported barriers to data standardization included a lack of resources and forcing functions. Automation and quality improvement were recognized as facilitators, with (81.8%, n=27) are using automation tools to support standardization. CONCLUSIONS: This current state analysis informs and directs future initiatives to improve standardized nomenclature implementation and support informed AI adoption within RT, with the goal of ultimately improving RT quality and safety. Canada is well-positioned to lead data standardization efforts and serve as a case study to potentially provide guidance at an international level to equal partners.
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 | 0,054 | 0,121 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,016 |
| Études des sciences et des technologies | 0,008 | 0,007 |
| Communication savante | 0,011 | 0,004 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».