Evidencia e investigación
Evidencia e investigación detrás del aprendizaje en salud regulado
La investigación publicada y los marcos de gobernanza informan las consideraciones a continuación. No prueban la eficacia de Perceptors AI ni constituyen un respaldo.
Ética y supervisión en la IA en salud
La guía de 2021 de la OMS aborda los desafíos éticos y la gobernanza para la IA en la salud.
La citamos como contexto para la supervisión humana responsable y el uso cuidadoso de la IA, no como una certificación de este producto.
La gestión de riesgos es un proceso continuo
El marco de gestión de riesgos de IA del NIST describe consideraciones voluntarias de confiabilidad y gestión de riesgos.
Ofrece una forma de discutir el riesgo. Hacer referencia a él no es una afirmación de cumplimiento, auditoría o respaldo del NIST.
Investigación detrás de la generación basada en fuentes
Lewis y sus colegas describen la generación aumentada por recuperación que combina información recuperada con lenguaje generado.
Esto respalda la discusión de la técnica. No demuestra la precisión o la efectividad de aprendizaje de la implementación de Perceptors.
Cómo revisamos el contenido generado por IA
El enfoque de Perceptors publicado comienza con materiales fuente aprobados y conocimiento experto.
El arnés de agentes coordina agentes especializados con permisos limitados. Los revisores humanos pueden aceptar, revisar, rechazar o devolver el trabajo.
Las personas mantienen la aprobación sobre la evidencia, el plan de estudios, la evaluación, la localización y el lanzamiento. Las versiones de fuente, los resultados, las decisiones de revisión y las versiones forman el camino de revisión documentado.
Qué evidencia no está disponible en esta página
Aquí no se proporciona ningún estudio de eficacia controlado, mejora auditada de resultados del paciente o punto de referencia de rendimiento verificado de forma independiente.
Un anuncio de curso o captura de pantalla de producto demuestra lo que se publicó, no un resultado de aprendizaje cuantificado.
TODO: verificación pendiente
- TODO: Proporcione evaluaciones o investigaciones aprobadas con métodos, población, fechas, denominadores y limitaciones.
- TODO: Proporcione cualquier informe de revisión independiente o procedimiento operativo estándar (SOP) de revisión documentado que pueda publicarse. No se implica ninguna auditoría externa hasta que se proporcione evidencia.
Fuentes
- WHO (2021): Ética y gobernanza de la inteligencia artificial para la salud
- NIST (2023): Marco de gestión de riesgos de la IA
- Lewis et al. (2020): Generación aumentada por recuperación para tareas de PLN intensivas en conocimiento
- Revisión humana y gobernanza de lanzamiento de cursos
- Cómo funciona el arnés de agentes de Perceptors AI