偏见
医疗保健领域的AI技术应该避免偏见和偏差,以确保公平和透明度。医疗保健提供者和技术领导者需要了解AI模型的工作原理,并确保供应商开发的解决方案不会对任何特定人群造成不公平的影响。
Dell技术公司的全球医疗和生命科学首席技术官Steven Lazer在2023年HIMSS全球健康会议和展览上接受了MobiHealthNews的采访,讨论了如何将Dell和其他组织的知识产权与技术结合起来,为医疗和生命科学团队创建解决方案。
在HIMSS全球会议上,专家们强调了历史边缘化群体在任何决策制定过程中都应该有发言权,以利用科技改善健康公平。科技开发者必须在开发过程中有策略、有目的地进行开发。同时,需要重新分配资源,特别是在谁做决策和提供资金的背景下。这将促进边缘化人群的健康,并推动公司的增长。
本文讨论了AI在医疗保健中的潜力、风险和前景,以及梅奥医院平台如何解决这些挑战。同时,还探讨了AI的应用案例、趋势和对工作力量的影响。
AI有潜力促进早期和准确的疾病检测、精准和个性化医疗、人口健康和医疗保健、临床决策支持、运营效率和改善医生和患者参与度。但是,AI在数据标准化、机器学习漂移、临床实践可行性和责任追究等方面面临挑战。
一项系统性综述发现,将基于神经影像的人工智能模型转化为直接的临床应用,如精神诊断,存在偏见和其他适用性问题。这些模型需要在实施于临床设置之前解决偏见和其他适用性问题。
本文介绍了2022年医疗行业中人工智能和机器学习的十大故事,包括偏见消除、可靠性提高、深度学习、数据障碍等方面的内容。
随着医疗人工智能的应用不断增长,如何建立医疗AI的信任成为了一个重要的问题。本文介绍了一份最新的研究报告,探讨了如何通过偏见和风险管理等方法来开发更可靠的医疗机器学习工具。
本文介绍了放射学中人工智能和机器学习模型中偏见的原因,并提供了避免这些问题的策略。本文是三部曲系列的第一部分,重点介绍数据处理。
NSF和亚马逊联合拨款100万美元,用于支持13个研究项目,旨在提高医疗AI的完整性和公平性,改善医疗保健的质量和服务。其中,杜克大学和康涅狄格大学的研究项目分别获得了62.5万美元和39.3万美元的拨款,用于开发医疗AI技术,提高医疗保健的公平性和减少偏见。