juni 27, 2022

Nettnord.no

Næringsnett Nord-Troms

Kunstig intelligens i medisin kan kanskje skille mellom raser

Kunstig intelligens i medisin kan kanskje skille mellom raser

I følge a studere av Massachusetts Institute of Technology (MIT), den Jegkunstig intelligens (AI), kan forutsi løp av pasienter gjennom deres medisinske bilder. Ziad Obermeyer, førsteamanuensis ved University of California i Berkeley, trygg på at det faktum at algoritmene ser løpet Det kan være farlig.

Forskningen ble utført ved hjelp av et sett med offentlige og private data. Blant dem er røntgen av thorax, røntgen av ekstremiteter, CT-skanninger av brystet og digitale mammografier.

Bortsett fra det ovennevnte, trente laget en læringsmodell for å identifisere hvit, svart eller asiatisk rase til tross for at det ikke er eksplisitt nevnt i bildene av pasienten. For å oppnå dette ble det utført en rekke eksperimenter med kunstig intelligens for å undersøke mulige mekanismer for rasedeteksjon.

Derfor kan variabler som f.eks forskjeller i anatomi, bentetthet, bildeoppløsning, blant andre. Studien fremhevet at til tross for variasjoner, fortsatte kunstig intelligens å oppdage rase fra røntgenstråler.

Leo Anthony Celi, en forsker ved MIT og en førsteamanuensis i medisin ved Harvard Medical School, kommenterte at algoritmer kan forsterke eksisterende ulikhet og ulikhet. Derfor anså han det som viktig å reflektere og revurdere om menneskeheten er forberedt på å bringe AI til pasientens seng.

Studien, kalt «AI recognition of patient race in medical imaging: a modeling study,» ble publisert i Lancet DigitalHealth 11. mai 2022. Celi og Marzyeh Ghassemi skrev artikkelen sammen med 20 andre forfattere fra fire land.

Forskere viste først at kunstig intelligens var i stand til å forutsi løpene inn forskjellige bildemetoder. Likeledes en slik mekanisme gjett ulike datasett, kliniske oppgaver og akademiske sentre.

READ  Cut to the INE er en «boikott» mot tilbakekall av mandat: Ciro Murayama

For dette tre store datasett med røntgenbilder av thorax og modellen ble testet på et usett delsett av data som ble brukt. Deretter trente de opp raseidentitetsdeteksjonsmodeller for ikke-thorax røntgenbilder av flere kroppsplasseringer. Dette for å se om ytelsen til modellen var begrenset til røntgenbilder av thorax.

For å forklare oppførselen til modellen dekket teamet flere baser. Blant dem, forskjeller i fysiske egenskaper mellom ulike rasegrupper, sykdomsfordeling og steds- eller vevsspesifikke forskjeller. På samme måte ble effektene av sosiale fordommer, miljøstress i studien, evnen til kunstig intelligens til å oppdage raser og om regionene i bildet bidro til å gjenkjenne disse dekket.

På denne måten oppdaget forskere at evnen til kunstig intelligens til å forutsi løp ved diagnostiske etiketter var lavere. For deres del modeller basert på røntgenbilder av thorax hadde bedre prediksjon.

Imidlertid erkjente forskerne at tilgjengeligheten av raseidentitetsetiketter er begrenset. Som en konsekvens av scenariet beskrevet ovenfor, fokuserte de på Asiatiske, svarte og hvite befolkninger.

Et annet verk av Ghassemi og Celi, regissert av MIT-studenten, hammaad adamoppdaget at kunstig intelligens kan også identifisere rasene deklarert av pasienten selv. Dette fra de kliniske notatene, selv når disse notatene mangler eksplisitte indikatorer på rase.


LAST NED NOTATET
FØLG OSS PÅ GOOGLE NEWS