利用缺乏领域知识的大数据对公共卫生决策的影响
计算机与社会
2025-01-31 v1 计算机视觉与模式识别
机器学习
摘要
新的数据源以及从中提取信息的人工智能 (AI) 方法日益丰富，并与许多社会应用中的决策密切相关。一个重要的例子是街景图像，其在超过 100 个国家可用，并被考虑用于评估建筑环境与社区健康结果之间的关系等方面。与此类用途相关的是，当基于数据的决策未能考虑数据的稳健性，或预测基于虚假相关性时，AI 使用中的偏差实例显而易见。为了研究这一风险，我们利用了来自纽约市的 202 万张 GSV 图像以及健康、人口统计和社会经济数据。最初，我们证明了在城市内部层面从 GSV 标签推断的建筑环境特征可能与地面真值存在对齐不足。我们还发现，通过 GSV 测量的身体活动缺乏的平均个体水平行为显著中介了按人口普查区划分的建筑环境特征的影响。最后，使用一个考虑了这些环境影响健康中介因素的因果框架，我们发现，改变两个最低三分位数中 10% 的样本，相较于对按人口普查区划分的人行横道数量进行同等比例的干预，会使肥胖或糖尿病的患病率降低幅度分别大 4.17 倍（95% CI 3.84 至 4.55）或 17.2 倍（95% CI 14.4 至 21.3）。这项工作说明了在使用新数据源告知干预措施的有效分配时，稳健性和模型规范方面的重要问题。
引用
@article{arxiv.2402.06059,
title = {Impact on Public Health Decision Making by Utilizing Big Data Without Domain Knowledge},
author = {Miao Zhang and Salman Rahman and Vishwali Mhasawade and Rumi Chunara},
journal= {arXiv preprint arXiv:2402.06059},
year = {2025}
}