JAMA：医疗保健系统AI应用中的偏倚及应对策略
2019-11-26 JAMA JAMA
最近对AI面部识别软件的审查使人们开始重新关注AI对社会偏倚和不平等的意外影响。学术界和政府官员对几种AI技术中的种族和性别偏倚提出了担忧，包括互联网搜索引擎和算法可预测犯罪行为的风险。IBM和Microsoft等公司已公开承诺对其技术进行“去偏倚”（“de-bias”），而亚马逊发起了一项批评这种研究的公开活动。 图片来自Data Driven Investor :Facia
最近对AI面部识别软件的审查使人们开始重新关注AI对社会偏倚和不平等的意外影响。学术界和政府官员对几种AI技术中的种族和性别偏倚提出了担忧，包括互联网搜索引擎和算法可预测犯罪行为的风险。IBM和Microsoft等公司已公开承诺对其技术进行“去偏倚”（“de-bias”），而亚马逊发起了一项批评这种研究的公开活动。 图片来自Data Driven Investor :Facial Recognition, and Bias 随着AI在医学界的广泛应用，引起了临床医生和医学界人士的广泛关注，卫生系统的领导者对自动化和传播现有偏倚也提出了类似的担忧。但是，AI是问题的关键吗，还是AI可以作为解决方案的一部分？虽然AI以其潜在的方式助长偏倚，但以负责任的态度使用AI技术还可能有助于消除独特偏倚的风险。使用AI识别医疗保健中的偏倚可能有助于采取干预措施，这些干预措施可能有助于纠正临床医生决策中的偏见，并可能减少健康差异。 AI应用中的统计偏倚和社会偏倚 （1）统计偏倚（Statistical Bias）：是指在统计过程中，统计资料与实际情况的差异。由于许多原因，统计偏倚在预测算法中很常见，
作者：JAMA
版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
小提示：本篇资讯需要登录阅读，点击跳转登录
#应对策略#
36
#医疗保健#
35
学习啦～
75
学习了很有用不錯
84
学习了
93