Programpunkter
Konferensen på Vitalis 2023 består av flera spår med paneldiskussioner, keynote-presentationer och studiosamtal. Större delen av innehållet kommer också göras tillgängligt digitalt via livesändningar och inspelade föreläsningar, tillgängliga on demand.
Sök enkelt i programmet
Du kan välja att söka på ämne, föreläsningstyp, målgrupp eller tid för att enkelt hitta det du är intresserad av genom att klicka på knappen "Fler sökalternativ".
Du kan också välja något av de tematiska spåren med föreläsningar som håller en röd tråd.
Ett tredjesätt är att klicka på knappen Schema för visa en översikt av föreläsningarna per föreläsningssal.
Registrera dig till konferensen | Vitalis
Spår: MIE: Natural Language Processing
Alla programpunkterThe Prevalence of mRNA Related Discussions during the Post-COVID-19 Era
Dimitrios Kokkinakis
Torsdag 25 maj 2023 10:45 - 11:00 G3
MIE: Natural Language Processing, English, Enbart på plats, Presentation, Avancerad
Secondary Use of Clinical Problem List Entries for Neural Network-Based Disease Code Assignment
Markus Kreuzthaler
Torsdag 25 maj 2023 10:30 - 10:45 G3
MIE: Natural Language Processing, English, Enbart på plats, Presentation, Avancerad
Learning to Classify Medical Discharge Summaries According to ICD-9
Leonardo Moros
Torsdag 25 maj 2023 10:15 - 10:30 G3
MIE: Natural Language Processing, English, Enbart på plats, Presentation, Avancerad
Classification of Clinical Notes From a Heart Failure Telehealth Network
Fabian Wiesmüller
Torsdag 25 maj 2023 11:00 - 11:15 G3
MIE: Natural Language Processing, English, Enbart på plats, Presentation, Avancerad
Classifiers of medical eponymy in scientific texts
Dennis Toddenroth
Torsdag 25 maj 2023 11:15 - 11:30 G3
MIE: Natural Language Processing, English, Enbart på plats, Presentation, Avancerad
Few-shot and Prompt Training for Text Classification in German Doctor’s Letters
Phillip Richter-Pechanski
Torsdag 25 maj 2023 11:35 - 11:40 G3
MIE: Natural Language Processing, English, Enbart på plats, Presentation, Avancerad
Predicting depression risk in cancer patients with multimodal data
Anne De Hond
Torsdag 25 maj 2023 11:30 - 11:35 G3
MIE: Natural Language Processing, English, Enbart på plats, Presentation, Inspiration, Fördjupning, Tekniker/IT/Utvecklare, Forskare (även studerande), Studerande, Omsorgspersonal, Vårdpersonal, Innovativ/forskning
Patients with cancer starting invasive treatment programs often develop depression that physicians struggle to recognize at an early stage. We developed a prediction model for early identification of patients at risk for depression within the first month of chemo- or radiotherapy treatment to assist physicians and healthcare workers.
Responsible Artificial Intelligence: A Need for Healthcare Applications
Carlos Luis Parra Calderón, Denis Newman-Griffis, Riccardo Bellazzi, Stephane Meystre
Onsdag 24 maj 2023 15:45 - 17:15 G1
MIE: Natural Language Processing, English, Enbart på plats, Panel, Inspiration, Avancerad, Chef/Beslutsfattare, Politiker, Verksamhetsutveckling, Tekniker/IT/Utvecklare, Forskare (även studerande), Studerande, Exempel från verkligheten (goda/dåliga), Nytta/effekt, Innovativ/forskning, Test/validering, Informationssäkerhet, Etik
Remarkable progress in artificial intelligence (AI) algorithms performance, and the fast growth in “real world” data available in electronic form generate high hopes for healthcare quality, efficiency, and accessibility improvements. But this game changing progress also causes growing concerns about the effects of growing AI use and its unintended, unanticipated, or even intentionally unethical consequences. Numerous issues and limitations of the algorithms and data used in healthcare and beyond have become more visible, and several organizations and researchers have proposed advice and guidelines to help address these concerns, issues, and limitations. Principles of Responsible AI are now promoted by several important organizations and stakeholders in the AI industry, but there is a need to move these principles towards practical realization and application in real-world scenarios. This panel will address several key aspects of responsible AI in health: explainability and interpretability; bias and fairness; reliability, reusability, and efficiency; privacy and confidentiality protection.