在受控研究环境中表现亮眼的医学 AI 系统，部署到真实临床环境后往往表现不佳甚至失败。「概念验证」与持续临床价值之间的鸿沟不在算法的精巧程度，而在支撑部署的质量基础设施。本讲座提出一个实用的实施科学框架，应对三个关键组成部分：标签质量控制、真实世界监测与上市后监督。 注册（必选）免费，面向所有人开放。 Judy Gichoya 博士是埃默里大学 William 与 Kay Casarella 放射学讲席教授，领导 HITI（医疗 AI 创新与转化信息学）实验室。她的工作以运用数据科学研究健康公平为核心。其团队在四个方向开展工作——为机器学习构建多样化数据集（例如 Emory 乳腺数据集）；评估 AI 的偏差与公平性；在真实世界环境中验证 AI；以及通过蜂群式学习与村庄式导师制培养下一代数据科学家（包括临床与技术背景的学生）。她担任放射学 AI 培训员编辑委员会的项目主任以及埃默里大学医学生机器学习选修课的负责人。她已指导来自世界各地多家机构的 60 余名学生（如今他们已是成功的教职人员、博士后、博士和产业从业者）。她曾获多项奖励，包括被评为 2022 年最具影响力的放射学研究者，并当选 2023 年国家医学院新兴学者。