医疗与保健 AI 中的算法公平性
计算机视觉与模式识别
2022-03-25 v2 机器学习
摘要
在当前许多人工智能（AI）系统在医疗中的开发与部署中，算法公平性是提供公平医疗的一项挑战性问题。近期对跨种族子群体分层的 AI 模型评估揭示了患者在诊断、治疗与医疗账单方面所受的不平等。在本观点文章中，我们通过医疗中当前问题的背景总结机器学习公平性的交叉领域，概述算法偏差（例如——图像采集、遗传变异、观察者内标注变异性）如何在当前临床工作流中产生及其导致的医疗差异。最后，我们也回顾通过联邦学习、解耦与模型可解释性来缓解偏差的新兴技术，及其在 AI-SaMD 开发中的作用。
引用
@article{arxiv.2110.00603,
title = {Algorithm Fairness in AI for Medicine and Healthcare},
author = {Richard J. Chen and Tiffany Y. Chen and Jana Lipkova and Judy J. Wang and Drew F. K. Williamson and Ming Y. Lu and Sharifa Sahai and Faisal Mahmood},
journal= {arXiv preprint arXiv:2110.00603},
year = {2022}
}