人工智能与医疗诊断的代表性差距

pauljoy345

医学领域的人工智能提供了巨大的机遇，但也对数据的公平性和代表性提出了重大挑战。 人工智能 这些系统可以被视为减轻医学障碍和偏见的盟友。维奥莱塔·斯托伊梅诺娃 您是否注意到人工智能如何慢慢爬上医疗保健的顶峰，承诺闪电般快速的诊断，有时甚至超越医务人员并降低成本？然而，就像任何技术一样，故事的内容远比表面上看到的要复杂得多。正如我们在健康领域拥有出色的人工智能用例一样，重要的是要反思一下其局限性，这些局限性在一定程度上与医学界存在的偏见和缺乏代表性有关。 医学研究只关注一方面，是的，就是男性。留下值得我们关注的挑战，例如在了解女性健康方面的差距以及构成我们世界的细微差别。 你可能认为我夸大其词，但我是直接受害者。7年前，我被诊断出患有子宫内膜异位症。那是什么？我会让你谷歌一下，但无知证明了我的观点。三年来，我一直没有找到对月经期间剧烈疼痛的解释——我很幸运，因为根据墨西哥子宫内膜异位症组织的数据，墨西哥的平均诊断时间约为 9 年——并且在我的妇科医生向她证明了她之后，我才做出了诊断。告诉我：“这就是作为一个女人你必须忍受的。” 尽管子宫内膜异位症是一种慢性疾病，影响十分之一的人（世界卫生组织，nd），而且疼痛令人致残，但长期以来，子宫内膜异位症只是一个例子，说明专门影响子宫患者的疾病如何在很长一段时间内被最小化。根据 Gabrielle Jackson (2019) 的说法，70% 的慢性疼痛患者是女性，但 80% 的研究集中在男性。

面临延迟诊断、医学怀疑和没有明确的治疗方法，限制了我们的生活质量。事实上，在全球范围内，已发现女性患有 700 种晚期诊断疾病（Arévalo，2022）。 回到人工智能系统，一个令人惊讶的现象出现了：有些人对这些系统的信任超过了对人类 电报号码数据 经验的信任。难以置信是真的吗？患者不仅倾向于更加信任这些系统，一项研究发现，肿瘤学家称赞人工智能诊断，即使他们与自己的诊断相矛盾（Hamzelou，2023）。这一场景似乎取自科幻电影，但却说明了技术的进步如何在没有足够限制的情况下使我们更接近反乌托邦的现实。 尽管你可能不相信，人工智能并不是魔法，它也不是凭空出现的。人工智能系统从历史数据中学习模式。但这个数据是否平衡、具有代表性？如果训练主要基于特定人群（大家好！），人工智能可能无法识别或低估主要影响其他人群的疾病的独特症状和特征。因此，虽然它可以帮助某些诊断，但它并没有涵盖人体的复杂性和众多影响因素。



最受关注 考古学家在墨西哥北部的一个史前洞穴中发现了大约 3000 年前的婴儿遗骸 考古学家在墨西哥北部的一个史前洞穴中发现了大约 3000 年前的婴儿遗骸 安娜·拉各斯 墨西哥在玛雅火车的路径上发现了近几十年来“最伟大的考古宝藏” 墨西哥在玛雅火车的路径上发现了近几十年来“最伟大的考古宝藏” 安娜·拉各斯 Spotify 上的时间胶囊：它是什么以及如何创建您的时间胶囊 Spotify 上的时间胶囊：它是什么以及如何创建您的时间胶囊 费尔南达·冈萨雷斯 2024年天文历：全年所有日食、合相和流星雨 2024年天文历：全年所有日食、合相和流星雨 豪尔赫·加雷 你以为就是这样吗？不！现在想象一下交叉点：性别、种族和残疾。在这里，偏见相互碰撞并倍增，这可能导致某些人群面临多种形式的歧视，以及令人不满意的诊断和治疗（Cleghorn，2021）。例如，恰帕斯州、瓦哈卡州、格雷罗州和尤卡坦州拥有全国土著人口总数的 50.5%（INEGI，2022 年）；这些州（尤卡坦州除外）2010 年孕产妇死亡率全国最高，分别为 73.2、88.7 和 85.5（Jiménez 和 Arellano，2017 年）（需要注意的是，这些数字是 2010 年的数据，因为缺乏来自最近的一项研究） 这是否意味着人工智能系统不应该被开发和用于卫生部门？绝对地！我想明确的是，必须考虑它的局限性。这些应用程序必须始终对医务人员和患者透明且易于理解。这样我们就能知道决策是如何做出的，以及哪些因素影响人工智能系统提出或支持的诊断。对人工智能系统及其训练数据进行定期偏差审计也将是一件好事，特别是在医疗保健领域，因为它们对人们的生活产生了巨大影响。 这些系统可以被视为减轻医学障碍和偏见的盟友。