分析医疗保健大语言模型研究中的多样性：一项科学计量学视角
计算与语言
2024-09-04 v2
摘要
大语言模型（LLM）在医疗保健领域的部署已展现出增强临床决策、行政效率和患者预后的巨大潜力。然而，在这些模型的开发和应用中，不同群体的代表性不足可能会延续偏见，导致医疗保健服务不公平。本文对医疗保健领域的LLM研究进行了全面的科学计量学分析，涵盖了从2021年1月1日到2024年7月1日的数据。通过分析来自PubMed和Dimensions的元数据，包括作者所属机构、国家和资金来源，我们评估了LLM研究贡献者的多样性。我们的发现突显了显著的性别和地理差异，表现为男性作者占主导地位，且贡献主要来自高收入国家。我们引入了一种基于基尼多样性的新颖期刊多样性指数来衡量科学出版物的包容性。我们的结果强调了需要更大的代表性，以确保LLM在医疗保健中的公平应用。我们提出了可行的策略来增强人工智能研究中的多样性和包容性，最终目标是在医疗保健创新中培育一个更具包容性和公平性的未来。
引用
@article{arxiv.2406.13152,
title = {Analyzing Diversity in Healthcare LLM Research: A Scientometric Perspective},
author = {David Restrepo and Chenwei Wu and Constanza Vásquez-Venegas and João Matos and Jack Gallifant and Leo Anthony Celi and Danielle S. Bitterman and Luis Filipe Nakayama},
journal= {arXiv preprint arXiv:2406.13152},
year = {2024}
}