新算法可以减少医疗保健中的种族差异
953字
2021-03-28 21:01
4阅读
火星译客

试图用人工智能改善医疗保健的研究人员通常将他们的算法置于一种机器医学院的形式。软件通过消化数千或数百万x射线或由专家人类标记的其他数据来向医生学习,直到它能够准确地标记出可疑的痣或肺部,显示新冠肺炎本身的迹象。

本月发表的一项研究采用了一种不同的方法--训练算法,用病人代替医生来判断真相,从而读取关节炎的X光片。结果显示,放射科医生在阅读黑人病人的x光片时可能会出现盲点。

对病人报告进行训练的算法比医生更好地解释了黑人患者所经历的痛苦,显然是通过在人们通常忽略的图像中发现疾病的模式。

纽约市威尔康奈尔医学院(Weill Cornell Medicine)教授易卜拉欣(Ibrahim)说,“这向放射科医生和其他医生发出了一个信号,我们可能需要重新评估我们目前的策略。”易卜拉欣研究健康不平等问题,没有参与这项研究。

旨在揭示医生看不到的东西的算法,而不是模仿他们的知识,可以使医疗保健更加公平。易卜拉欣在一篇关于这项新研究的评论中指出,这项研究可以帮助减少关节炎手术患者之间的差距。他说,非裔美国人接受膝关节置换的可能性比其他患者低40%,尽管他们至少同样有可能患上骨关节炎。收入和保险的差异可能起着一定的作用,但诊断上的差异也可能起作用。

这项研究的作者、加州大学伯克利分校公共卫生学院的教授ZiadObermeyer被启发使用人工智能来探测放射学家没有看到的医学谜题。美国国立卫生研究院(NationalInstituteofHealth)对膝骨关节炎的一项长期研究表明,黑人患者和低收入人群的疼痛程度比其他x射线放射科医生的相似。这种差异可能源于膝盖知识守护者所不知道的物理因素,或者是心理和社会上的差异--但如何将它们分开呢?

Obermeyer和来自斯坦福、哈佛和芝加哥大学的研究人员利用NIH的数据开发了计算机视觉软件,以调查人类医生可能缺少的东西。他们用x光编程来预测病人的疼痛程度。在数以万计的图像中,该软件发现了与疼痛相关的像素模式。

当给它以前从未见过的x光片时,该软件使用这些模式来预测病人将要经历的疼痛。这些预测与病人的疼痛更密切相关,而不是放射科医生分配给膝盖X光的分数,特别是对黑人患者。这表明这些算法已经学会了发现放射科医生所没有的疾病证据。Obermeyer说:“算法是在放射科医生看到的东西之上看到更多的东西--这些东西是黑人病人疼痛的最常见的原因。”

人工智能有线指南

迷信算法不会占据所有的工作岗位,但他们的学习速度比以往任何时候都快,从医疗诊断到广告服务无所不包。

历史可以解释为什么放射科医生在评估黑人患者的膝盖疼痛方面不那么熟练。今天使用的标准等级标准起源于1957年在英格兰北部一个磨坊镇进行的一项小型研究,那里的人口比现代美国少。医生们利用他们所看到的,根据软骨变窄等观察,设计出一种方法来评估骨关节炎的严重程度。自那以后,X光设备、生活方式和许多其他因素都发生了很大变化。Obermeyer说:“没能捕捉到今天医生在诊所里看到的情况并不奇怪。”

这项研究之所以值得注意,不仅是因为它展示了人工智能是由病人反馈而不是专家意见训练的,而且因为医学算法更多地被看作是偏见的原因,而不是治愈的原因。在2019年,Obermeyer和合作者们发现,一种指导数百万美国病人护理的算法让白人优先于黑人,帮助他们处理复杂的疾病,如糖尿病。

欧伯迈尔的新研究显示了算法如何能发现偏见,但同时也带来了一个问题:无论是他还是算法,都无法解释这些算法在x射线中所看到的,而医生们却错过了。研究人员使用了人工神经网络,这一技术使许多人工智能应用变得更加实用,但要逆转工程却非常棘手,以至于专家们称它们为“黑匣子”。

朱迪·吉乔亚(JudyGichoya)是埃默里大学(Emory University)的放射学家和助理教授,他的目标是揭示膝盖算法这将取决于人类的劳动和聪明才智。

她正在收集更大、更多样化的x光和其他数据,以测试算法的性能。通过要求放射科医生对x射线做详细的记录,并将他们所看到的与疼痛预测算法的输出进行比较,吉霍亚希望能发现关于它正在恢复的线索。她希望这对人类医生来说不会太陌生。她说:“这可能是我们确实看到的,但却是错误的。”

更多伟大的有线故事

📩想要最新的技术、科学和更多信息吗?报名参加我们的通讯吧!
关于“大部分无害”徒步旅行者的令人不安的真相
你会花多少钱买玉米煎饼?
帮助您减少订阅量的应用程序--并节省费用
“言论自由”战争中的分店禁令和新战线
倾听黑人女性:创新技术无法破解
🎮有线游戏:获取最新提示、评论和更多信息
💻升级您的工作游戏与我们的齿轮团队最喜欢的笔记本电脑,键盘,打字替代,和消除噪音耳机

0 条评论
评论不能为空