Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

Une taxonomie des risques et un outil de réflexion pour l'adoption de modèles linguistiques à grande échelle en santé publique

Created by
  • Haebom

Auteur

Jiawei Zhou, Amy Z. Chen, Darshi Shah, Laura M. Schwab Reese, Munmun De Choudhury

Contour

Cet article présente une approche structurée pour évaluer les risques associés à l'application de modèles linguistiques à grande échelle (MLH) à la santé publique. Des entretiens de groupe ont été menés avec des professionnels de la santé publique et des personnes ayant une expérience pratique, portant sur trois enjeux clés de santé publique : la prévention des maladies infectieuses (vaccins), la gestion des maladies chroniques et du bien-être (troubles liés à l'usage d'opioïdes) et la santé et la sécurité communautaires (violences conjugales). Cette approche a permis d'identifier les préoccupations liées à l'utilisation des MHL. Il en a résulté un système de classification des risques englobant quatre dimensions : l'individu, les soins centrés sur la personne, les écosystèmes informationnels et la responsabilisation technologique. Il a également proposé une approche réflexive de l'évaluation des risques en fournissant des risques spécifiques et des questions de réflexion pour chaque dimension. Cet article réexamine les modèles informationnels comportementaux existants et souligne la nécessité d'intégrer la validité externe et l'expertise du domaine dans les évaluations fondées sur l'expérience et les pratiques concrètes. Enfin, cette étude fournit un vocabulaire commun et des outils réflexifs permettant aux professionnels de l'informatique et de la santé publique d'anticiper, d'évaluer et d'atténuer, de manière collaborative, les risques potentiels des MHL.

Takeaways, Limitations

Takeaways:
Fournit un cadre pratique pour évaluer et gérer systématiquement les risques potentiels lors de l’application du LLM à la santé publique.
Clarifier les facteurs de risque grâce à un système de classification des risques sur quatre dimensions (individuel, soins centrés sur l'humain, écosystème d'information et responsabilité technologique) et fournir des questions de réflexion pour chaque risque afin de renforcer les capacités de gestion des risques des praticiens.
Intégrer les perspectives des experts et des praticiens de la santé publique pour fournir des solutions réalistes d’évaluation et de gestion des risques.
Un examen du modèle de comportement informationnel prenant en compte les caractéristiques du LLM et une proposition visant à garantir la validité externe.
Fournir un vocabulaire et des outils partagés pour la collaboration entre l'informatique et la santé publique.
Limitations:
ÉTant donné que l’étude a porté sur un nombre limité de participants aux groupes de discussion, la généralisabilité est limitée.
ÉTant donné que les résultats de l’étude se limitent à un problème de santé publique spécifique, des recherches supplémentaires sont nécessaires pour les généraliser à d’autres domaines.
Le système de classification des risques et les questions de réflexion présentés peuvent ne pas s’appliquer à toutes les situations.
Compte tenu du rythme rapide des progrès de la technologie LLM, la question de l’actualité des résultats de la recherche se pose.
👍