تقنية تكشف التحيز في الذكاء الاصطناعي الطبي

طور باحثون أداتين لكشف التحيز الخفي في مجموعات البيانات المستخدمة لتدريب الذكاء الاصطناعي الطبي. تبحث الأداة في البيانات عن أنماط غير مقصودة قد تؤدي إلى استنتاجات خاطئة، مما يهدد دقة رعاية المرضى وموثوقية النماذج. أظهرت الدراسة، التي أجرتها جامعة جونز هوبكنز وFDA، أن الأداة، المسماة "اختبار فائدة السمات المعممة والتحيز الناتج عن قابلية الكشف" (G-AUDIT)، تعين السمات التي قد تدفع الذكاء الاصطناعي إلى استنتاجات غير دقيقة، وتساعد في تحسين موثوقية النماذج السريرية. وتبينت من خلال اختبارات البيانات أن التحيزات قد تنجم عن اختلاف ظروف التصوير أو جودة الصور أو بيانات خاطئة، ويمكن أن تؤدي إلى نتائج غير دقيقة حول صحة المرضى. تهدف الأداة إلى جعل الذكاء الاصطناعي في الرعاية الصحية أكثر أمانًا وفاعلية، مع إمكانية التوسع في استخدامها لتشمل مجالات أخرى.

120% :الحجمحجم النص

تنويه: هذا ملخص تم إنشاؤه بواسطة الذكاء الاصطناعي

عرض المقال بالكامل