NIH lanserer Bridge2AI-program for å akselerere den utbredte introduksjonen av AI i de biomedisinske og atferdsvitenskapelige feltene

I påvente av finansiering, National Institute of Health (NIH) planlegger å lansere Bridge to Artificial Intelligence (Bridge2AI) program. I samarbeid ledet av NIH Common Fund, National Center for Complementary and Integrative Health, National Eye Institute, National Human Genome Research Institute, National Institute of Biomedical Imaging and Bioengineering, og National Library of Medicine, søker programmet å gi omfattende, høykvalitets og etisk hentede datasett for å katalysere den utbredte bruken av AI i de biomedisinske og atferdsmessige forskningsmiljøene.

AI har evnen til å transformere de biomedisinske og atferdsvitenskapelige feltene. Mulige bruksområder inkluderer å informere om kliniske beslutninger, overvåke og forutsi helsebehov i sanntid og analysere hvordan genetisk informasjon, cellekarakteristikker og sosiale og miljømessige faktorer påvirker ens helse. Å begynne å innlemme AI-applikasjoner i det medisinske feltet har avdekket en rekke problemer med de nåværende datasettene. De fleste tilgjengelige datasett for øyeblikket er ufullstendige, mangler kontekst, mangfold og standardiserte innsamlingsbetingelser. Som et resultat fører bruken av disse datasettene til partiske, uetiske utfall.

I løpet av det siste året har Computing Community Consortium (CCC) hadde en arbeidsgruppe, den Datautfordringer for menneskeheten Etikkteam, som diskuterte en rekke av de negative effektene av å bruke partiske datasett i prediktive medisinske algoritmer. Måtene dataene samles inn på byr på en rekke problemstillinger. Spesifikke tilfeller inkluderer:

• En uforholdsmessig mengde data samlet inn mellom raser forårsaker brede, ubegrunnede påstander, for eksempel at alle afroamerikanere har høyere kreatininnivåer. Denne ubegrunnede påstanden har ført til en høyere forekomst av udiagnostisert nyresykdom blant afroamerikanere og alvorlige helsekomplikasjoner. Du kan lese mer her..
• Minoritetskvinner har større risiko for komplikasjoner under fødsel på grunn av ulik behandling på sykehus. Medisinske algoritmer som bestemmer suksess og risikofaktorer for en keisersnitt feilaktig tolker dataene til å bety at minoritetskvinner generelt har en høyere risiko og derfor er utestengt fra å motta en. Du kan lese mer her..

Bridge2AI søker å overvinne disse komplikasjonene ved å utvikle veiledning og standarder som sikrer utryddelse av ulikheter og skjevheter for å lage klare til bruk AI-datasett. Du kan lese NIHs kunngjøring her. og se en video om programmet på deres YouTube-side.