临床试验机器学习中的多学科公平性考量

尽管近年来将机器学习应用于改善医疗健康的兴趣大幅增长，诸多障碍阻碍其在医疗实践中的部署。一个显著关切是可能加剧社会中根深蒂固的偏见与既有的健康不平等。机器学习中的公平性领域力求解决这些公平性问题；然而，恰当的方法依赖于具体情境，需要领域特定的考量。我们聚焦于临床试验，即对人体进行以评估医疗处理的研究研究。临床试验是医疗健康机器学习中相对未被充分探索的应用，部分由于复杂的伦理、法律与监管要求以及高成本。我们的目标是对机器学习的公平性如何契合临床试验研究与实践的语境提供多学科评估。我们首先回顾当前临床试验的伦理考量与指南，并考察其与机器学习中常见公平性定义的关系。我们审视临床试验中不公平性的潜在来源，给出具体实例，并讨论机器学习在不加审慎地应用时可能在减轻或加剧潜在偏见方面所起的作用。特别关注可能采用机器学习的适应性临床试验。最后，我们强调需进一步调查研究与发展的概念，并强调可能与临床试验设计相关的公平性新方法。