外媒 | 研究人员提出框架以确保公平的医疗算法-普瑞纯证

研究人员在《健康事务》杂志上发表了一篇新的评论，认为了解种族和民族数据，并将这些数据纳入医疗算法中，是有效应对算法偏见的必要条件，而不是采取“无视种族”的方法。作者进一步认为，当考虑到种族和民族时，可以使用各种方法来确保算法的公平性。当这些数据不可用时，通过插补数据可以增强识别、评估和纠正临床和非临床环境中的算法偏见的机会。为了说明他们的观点，作者描述了两个应用程序，其中插补种族和民族数据具有减少算法偏见的潜力：使用机器学习的公平疾病筛查算法和公平的绩效奖励。目前，有很大的研究重点是利用电子病历中的“大数据”来开发支持临床决策的机器学习算法。这些算法中的许多是设计用于检测或预测医疗状况和结果，例如败血症相关死亡、胰腺癌和产后出血。由于这些工具影响谁接受护理、接受何种护理以及如何提供护理的决策，因此它们不应该创造或延续偏见。在种族或民族上有偏见的算法有可能为那些已经处于接受较差质量护理风险的患者造成更糟糕的结果。对于生命威胁的临床决策支持工具，识别和纠正偏见在部署之前至关重要。然而，这些工具通常依赖于患者电子病历中的数据，这些数据可能对某些患者包含种族和民族数据，但对其他患者则没有，或者由于第三方报告数据或种族和民族响应选项过于有限而具有不完整的数据。在这些情况下，通过多种验证方法分配种族和民族数据可以确保算法被准确评估并调整不公平的表现，研究人员表示。创建公平的绩效奖励或基于价值的支付策略也面临类似的挑战。绩效奖励策略旨在激励和提高医疗质量，但可能产生相反的效果，加剧不平等。

版权声明 本网站所有注明“来源：普瑞纯证”或“来源：pureFDA”的文字、图片和音视频资料，版权均属于普瑞纯证网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：普瑞纯证”。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。