Algoritmi mašinskog učenja dizajnirani da dijagnostikuju uobičajenu infekciju koja pogađa žene pokazali su dijagnostičku pristrasnost među etničkim grupama, otkrili su istraživači sa Univerziteta Florida.
Dok alati za veštačku inteligenciju nude veliki potencijal za poboljšanje pružanja zdravstvene zaštite, praktičari i naučnici upozoravaju na rizik od održavanja rasne nejednakosti. Objavljen u npj Digital Medicine, ovo je prvi rad koji ocenjuje pravednost ovih alata u vezi sa zdravstvenim problemom žena.
„Mašinsko učenje može biti odlično sredstvo u medicinskoj dijagnostici, ali smo otkrili da može pokazati pristrasnost prema različitim etničkim grupama“, rekao je Ruogu Fang, vanredni profesor na porodičnom odeljenju za biomedicinsko inženjerstvo J. Craiton Pruitt i autor studije. „Ovo je alarmantno za zdravlje žena, jer već postoje postojeći dispariteti koji se razlikuju po etničkoj pripadnosti.“
Istraživači su procenili pravednost mašinskog učenja u dijagnostici bakterijske vaginoze, ili BV, uobičajenog stanja koje pogađa žene u reproduktivnom dobu, koje ima jasne dijagnostičke razlike među etničkim grupama.
Fang i ko-korespondentska autorka Ivana Parker, oboje profesori na Herbert Vertheim College of Engineering, izvukli su podatke od 400 žena, uključujući po 100 iz svake od zastupljenih etničkih grupa – belkinje, crne, azijske i latinoamerikanke.
Istražujući sposobnost četiri modela mašinskog učenja da predvide BV kod žena bez simptoma, istraživači kažu da je tačnost varirala među etničkim grupama. Latinoamerikanke su imale najviše lažno pozitivnih dijagnoza, a Azijke su dobile najviše lažno negativnih.
„Modeli su bili najbolji za bele žene, a najniži za azijske žene“, rekao je Parker, docent bioinženjeringa. „Ovo nam govori da metode mašinskog učenja ne tretiraju jednako dobro etničke grupe.“
Parker je rekao da iako su bili zainteresovani da razumeju kako alati veštačke inteligencije predviđaju bolest za određene etničke grupe, njihova studija takođe pomaže medicinskim naučnicima da razumeju faktore povezane sa bakterijama kod žena različite etničke pripadnosti, što može dovesti do poboljšanih tretmana.
BV, jedna od najčešćih vaginalnih infekcija, može izazvati nelagodnost i bol i dešava se kada nivoi prirodnih bakterija nisu u ravnoteži. Iako postoje simptomi povezani sa BV, mnogi ljudi nemaju simptome, što otežava dijagnozu.
Ne izaziva često komplikacije, ali u nekim slučajevima BV može povećati rizik od polno prenosivih infekcija, pobačaja i prevremenog porođaja.
Istraživači su rekli da njihovi nalazi pokazuju potrebu za poboljšanim metodama za izgradnju AI alata za ublažavanje pristrasnosti zdravstvene zaštite.
