通过跨学科的合作与交流,我们能够突破传统思维的边界,开拓新的研究领域。

——院长致词

首页 > 科学研究 > 信息科技

研究揭示人工智能工具在诊断女性健康问题时存在偏见

本站发布时间:2023-12-16 14:54:29

机器学习算法被设计用于诊断影响少数民族诊断的常见感染,佛罗里达大学研究人员发现

尽管人工智能等工具在提供医疗保健方面有很大的潜力,但执业医生和科学家们都意识到了他们长期存在疾病的风险周五发表在《自然杂志》《数字医学》上,这是第一篇评估这些工具与女性健康问题相关的风险的论文

“机器学习在医学界是一种伟大的工具,但我们发现它可以在不同的技术组中显示出偏差,”J的社会研究员罗谷芳说CraytonSuite家庭生物医学工程部和研究所“这对女性的健康来说是一个巨大的挑战,因为现实中存在着性别差异。”

研究者评估了机器学习在诊断细菌性脑血管病(BV)方面的不足,BV是一种影响生育年龄的常见条件,在不同年龄组之间有明显的诊断差异

Fang和她的同事Ivana Parker都是Herbert Wertheim工程学院的两名成员,他们从400名女性中提取了数据,其中包括100名来自白人、黑人、亚裔和西班牙裔

在研究机器学习模型在没有症状的女性中停止预测BV的可能性时,研究人员表示,不同种族的情况不同他的恐慌性女性被诊断为阳性,而亚洲女性则被诊断为阴性算法

“这一模式对白人女性的表现最高,对亚洲女性的表现最低,”生物工程领域的一位资深专家表示“这告诉我们机器学习方法很好地适应了这个群体。”

Parker说,虽然他们有兴趣了解人工智能工具如何预测特定种族的疾病,但他们的研究也有助于过去的医学科学家和与不同种族背景的女性细菌相关的因素,这可以提高治疗效果

BV是最常见的阴道感染之一,可导致严重的疼痛和自然细菌水平的自动平衡当这些症状与BV有关时,许多人会出现症状,使诊断变得困难

它不会引起并发症,但在某些情况下,BVC会增加性传播感染、流产和早产的风险

研究人员和他们的发现表明,需要改进构建AI工具的方法来消除医疗偏见


来源:

Materials provided by
University of Florida. Original written by Karen Dooley.
注明: Content may be edited for style and length.


参考:

  1. Cameron Celeste, Dion Ming, Justin Broce, Diandra P. Ojo, Emma Drobina, Adetola F. Louis-Jacques, Juan E. Gilbert, Ruogu Fang, Ivana K. Parker.
    Ethnic disparity in diagnosing asymptomatic bacterial vaginosis using machine learning. npj Digital Medicine, 2023; 6 (1) DOI: 10.1038/s41746-023-00953-1

排行榜

备案号:京ICP备2023036195号-1

地址:北京市丰台区南三环西路16号2号楼

地址:山东省济南市历城区唐冶绿地汇中心36号楼

电话: 400-635-0567

备案号:京ICP备2023036195号-1

地址:北京市丰台区南三环西路16号2号楼

地址:山东省济南市历城区唐冶绿地汇中心36号楼

电话: 400-635-0567

备案号:京ICP备2023036195号-1

地址:北京市丰台区南三环西路16号2号楼

地址:山东省济南市历城区唐冶绿地汇中心36号楼

电话: 400-635-0567