معالجة بيانات العرق والانتماء العرقي غير الدقيقة في الذكاء الاصطناعي الطبي

معالجة بيانات العرق والانتماء العرقي غير الدقيقة في الذكاء الاصطناعي الطبي

قد يؤثر عدم دقة البيانات العرقية والإثنية الموجودة في السجلات الصحية الإلكترونية (EHRS) سلبًا على رعاية المرضى مع تزايد دمج الذكاء الاصطناعي (AI) في الرعاية الصحية. ولأن المستشفيات ومقدمي الخدمات يجمعون مثل هذه البيانات بشكل غير متسق ويكافحون من أجل تصنيف المرضى الأفراد بدقة، فإن أنظمة الذكاء الاصطناعي المدربة على مجموعات البيانات هذه قد ترث وتديم التحيزات العنصرية.

في منشور جديد في PLOS Digital Health، يدعو خبراء أخلاقيات علم الأحياء والقانون إلى التوحيد الفوري لطرق جمع البيانات العرقية والإثنية ويدعو المطورين إلى ضمان جودة البيانات العرقية والإثنية في أنظمة الذكاء الاصطناعي الطبية. يجمع البحث المخاوف بشأن سبب عدم دقة البيانات العرقية للمرضى في السجلات الصحية الإلكترونية، ويحدد أفضل الممارسات للأنظمة الصحية وباحثي الذكاء الاصطناعي الطبي لتحسين دقة البيانات، ويوفر نموذجًا جديدًا لمطوري الذكاء الاصطناعي الطبي لتبرير جودة بياناتهم العرقية والإثنية بشفافية.

تشير المؤلفة الرئيسية ألكسندرا تساليديس، الحاصلة على MBE، إلى أن "مطوري الذكاء الاصطناعي الذين يستجيبون لتوصياتنا بشأن كيفية جمع بياناتهم العرقية والإثنية لن يؤدي فقط إلى تعزيز الشفافية في الذكاء الاصطناعي الطبي، بل سيساعدون أيضًا المرضى والمنظمين على تقييم سلامة الأدوات".

يعد التحيز العنصري في نماذج الذكاء الاصطناعي مشكلة كبيرة حيث تصبح التكنولوجيا مدمجة بشكل متزايد في الرعاية الصحية. توفر هذه المقالة طريقة محددة يمكن تنفيذها لمعالجة هذه المخاوف. "

فرانسيس شين، دكتوراه، دكتوراه، مؤلف كبير

في حين أنه لا يزال هناك المزيد من العمل الذي يتعين القيام به، فإن المقال يقدم نقطة بداية، اقترحها المؤلف المشارك لاكشمي بهارادواج، MBE. "يعد الحوار المفتوح حول أفضل الممارسات خطوة أساسية، ويمكن للمناهج التي نقترحها أن تحقق تحسينات كبيرة."

تم دعم هذا البحث من خلال برنامج جسر المعاهد الوطنية للصحة إلى الذكاء الاصطناعي (BRIDG2AI) ومنحة أخلاقيات الأعصاب في الدماغ من المعاهد الوطنية للصحة (R01MH134144).

مصادر: