Sistematik İnceleme, ABD'deki Yapay Zeka Tıbbi Görüntüleme Sistemlerinin Irksal ve Etnik Gruplar Arasında Farklı Performans Gösterebileceğini Buldu
Tıbbi görüntüleme tanısında kullanılan yapay zeka sistemlerinin farklı hasta popülasyonlarında tutarlı performans gösterip göstermediğini inceleyen araştırmalar giderek artıyor. Amerika Birleşik Devletleri'nde gerçekleştirilen çalışmaları sentezleyen yeni bir sistematik inceleme, yapay zeka tanı araçlarının ırksal ve etnik gruplar değerlendirildiğinde performans farklılıkları sergileyebileceğine dair kanıtlar buldu.
İnceleme, röntgen, BT taramaları ve diğer görüntüleme modalitelerinden hastalık tespiti gibi görevler için devreye alınan veya değerlendirilen birden fazla yapay zeka sistemini inceledi. Spesifik bulgular sistem ve klinik bağlama göre değişmekle birlikte, genel kanıtlar algoritmik modellerin analiz edilen hasta popülasyonunun demografik özelliklerine bağlı olarak eşit olmayan sonuçlar üretebileceğini gösteriyor.
Araştırmacılar, bu farklılıkların çeşitli faktörlerden kaynaklanabileceğini belirtiyor; bunlar arasında belirli grupların yeterince temsil edilmediği dengesiz eğitim veri setleri, klinik ortamlarda görüntüleme edinim parametrelerindeki farklılıklar ve hastalık sunumundaki temel varyasyonlar yer alıyor. Bulgular, yapay zeka sistemlerinin klinik uygulamadan önce çeşitli hasta demografileri üzerinde test eden titiz doğrulama süreçlerinin önemini vurguluyor.
İnceleme, yapay zeka araştırmalarında demografik performans metriklerinin standartlaştırılmış raporlanmasını ve tıbbi yapay zeka onay süreçlerinin bir parçası olarak önyargı denetimi gerektiren düzenleyici çerçeveleri zorunlu kılmanın gerekliliğini vurguluyor. Yapay zeka klinik iş akışlarına daha fazla entegre oldukça, bu farklılıkların giderilmesi eşitlikçi sağlık hizmeti sunumunu sağlamak için kritik görülüyor.