机构名称：
¥ 1.0
神经影像数据库是数据丰富的资源，包含脑成像以及临床和生物标志物数据。此类数据库改变医疗保健的潜力是巨大的，尤其是它们支持机器学习 (ML) 和人工智能 (AI) 工具的能力。当前关于此类工具在医疗保健领域的普遍性的讨论引发了人们对偏见风险的担忧——ML 模型在女性和少数民族和种族中表现不佳。ML 的使用可能会加剧现有的医疗保健差距或造成部署后的危害。神经影像数据库及其支持 ML/AI 驱动的临床发现的能力，是否既有加速创新医学的潜力，又有缩小神经科学相关医疗保健中社会不平等差距的潜力？在本文中，我们研究了使用神经影像数据库内积累的数据来对全球社区神经科学需求进行 ML 驱动建模的伦理问题。我们分为两部分进行了探讨；首先，在理论实验中，我们主张建立一个东南亚储存库来纠正全球失衡。在此背景下，我们随后考虑了包容与排斥移民工人群体的道德框架，移民工人群体是医疗保健不平等的受害者。其次，我们创建了一个模型，模拟 COVID-19 中嗅觉缺失风险的全球差异对改变大脑结构发现的影响；然后我们进行了一项小型人工智能伦理实验。在这个实验中，我们使用 ML 聚类模型查询了一个实际的试点数据集（n = 17；8 个非嗅觉缺失（47%）vs. 9 个嗅觉缺失（53%））。为了创建 COVID-19 模拟模型，我们引导重新采样并放大数据集。这产生了三个假设数据集：（i）匹配（n = 68；47% 嗅觉缺失），（ii）主要非嗅觉缺失（n = 66；73% 不成比例），以及（iii）主要嗅觉缺失（n = 66；76% 不成比例）。我们发现，每个假设数据集中所代表的相同队列的不同比例不仅改变了区分它们的关键特征的相对重要性，甚至改变了这些特征的存在与否。我们这个小实验的主要目的是了解是否可以以我们能够理解的方式利用 ML/AI 方法对不成比例的数据集进行建模。术语“人工智能伦理”。需要进一步研究将此处提出的方法扩展为可重复的策略。
神经影像数据存储库和人工智能驱动的医疗保健——......
主要关键词
相关文件推荐
