의료 불평등과 치료 격차는 사회경제적, 인종적, 성별 격차 전반에 걸쳐 만연해 있습니다. 사회로서 우리는 이러한 격차를 줄이고 모든 사람이 일관되고 공정하며 합리적인 가격으로 의료 서비스에 접근할 수 있도록 보장해야 할 도덕적, 윤리적, 경제적 책임이 있습니다.
인공지능(AI)은 이러한 격차를 해소하는 데 도움이 되지만 양날의 검이기도 합니다. 확실히 AI는 이미 진료 제공을 간소화하고, 규모에 맞게 맞춤화된 의료를 가능하게 하며, 획기적인 발견을 지원하는 데 도움을 주고 있습니다. 그러나 데이터, 알고리즘, 사용자에 내재된 편견으로 인해 주의하지 않으면 문제가 더욱 악화될 수 있습니다.
이는 AI 기반 의료 솔루션을 개발하고 배포하는 사람들은 AI가 의도치 않게 기존 격차를 확대하지 않도록 주의해야 하며, 관리 기관과 전문 협회가 편견을 피하거나 완화하기 위한 가드레일을 설정하는 데 적극적인 역할을 해야 함을 의미합니다.
AI를 활용하여 불평등 격차를 확대하는 대신 메울 수 있는 방법은 다음과 같습니다.
임상시험의 형평성 확보
역사적으로 많은 신약 및 치료법 시험은 의도적이든 아니든 설계에서 편향되어 왔습니다. 예를 들어, 그것은 1993년까지는 여성이 필요하지 않았습니다. 법에 따라 NIH가 자금을 지원하는 임상 연구에 포함됩니다. 최근에는 코로나 백신은 임산부를 대상으로 의도적으로 시험된 적이 없습니다.—우리가 그것이 안전하다는 것을 알 수 있었던 것은 백신 접종 당시 일부 실험 참가자가 자신도 모르게 임신했기 때문이었습니다.
연구의 어려움은 우리가 모르는 것을 모른다는 것입니다. 그러나 AI는 인구 데이터를 분석하고 불균형한 대표성이나 인구통계학적 적용 범위의 격차를 표시함으로써 편향된 데이터 세트를 발견하는 데 도움이 됩니다. AI는 대상 인구를 정확하게 나타내는 데이터에 대해 다양한 표현을 보장하고 AI 모델을 교육함으로써 포괄성을 보장하고 피해를 줄이며 결과를 최적화하는 데 도움이 됩니다.
공평한 대우 보장
그것은 잘 확립된 출산 중 통증과 합병증을 겪는 흑인 임산부를 무시하는 경우가 많아 산모 사망률이 높다는 것이다. 흑인 여성의 경우 3배 더 높음 히스패닉계가 아닌 백인 여성보다 소득이나 학력에 상관없이. 문제는 주로 본질적인 편견에 의해 지속됩니다. 의료 전문가들 사이에는 다음과 같은 오해가 널리 퍼져 있습니다. 흑인은 통증에 대한 내성이 더 높습니다 백인보다.
AI 알고리즘의 편견은 문제를 더욱 악화시킬 수 있습니다. 하버드 연구진은 공통 알고리즘에서 흑인과 라틴계 여성이 제왕절개(VBAC) 후 질식 출산에 성공할 가능성이 적다는 사실을 발견했습니다. 유색 인종 여성에 관한 섹션. 그러나 연구자들은 “이 협회는 생물학적 타당성에 의해 뒷받침되지 않음”, 이는 인종이 “다음의 효과를 반영하는 다른 변수의 대용물”임을 시사합니다. 민족적 우월감 건강에.” 이후 위험을 계산할 때 인종이나 민족을 제외하도록 알고리즘이 업데이트되었습니다.
이는 암묵적인 편견을 근절하고 이전에 간과되었을 수 있는 치료 경로를 (증거와 함께) 제안하는 AI의 완벽한 응용 프로그램입니다. “표준 치료”를 계속 실행하는 대신 AI를 사용하여 이러한 모범 사례가 모든 여성의 경험을 기반으로 하는지, 아니면 단지 백인 여성의 경험을 기반으로 하는지 판단할 수 있습니다. AI는 우리의 데이터 기반에 의료 및 기술 발전으로 가장 많은 혜택을 얻을 수 있는 환자가 포함되도록 보장합니다.
인종과 민족이 영향을 미치는 요인이 될 수 있는 조건이 있을 수 있지만, 이를 고려해야 하는 방법과 시기, 인식과 AI 알고리즘에 정보를 제공하기 위해 단순히 역사적 편견을 기본으로 하는 경우가 언제인지 주의 깊게 알아야 합니다.
공평한 예방 전략 제공
AI 솔루션은 잠재적인 편견을 신중하게 고려하지 않고도 소외된 커뮤니티의 특정 조건을 쉽게 간과할 수 있습니다. 예를 들어, 재향군인회(Veterans Administration)는 심장병과 심장마비의 징후를 예측하고 감지하기 위한 여러 알고리즘을 연구하고 있습니다. 이는 생명을 구할 수 있는 엄청난 잠재력을 가지고 있지만, 대부분의 연구에는 역사적으로 많은 여성이 포함되지 않았습니다.심혈관 질환이 사망 원인 1위입니다. 따라서 이러한 모델이 남성과 훨씬 다른 증상을 나타내는 여성에게 효과적인지 여부는 알려져 있지 않습니다.
이 데이터 세트에 적절한 수의 여성을 포함하면 다음 중 일부를 예방하는 데 도움이 될 수 있습니다. 320만 건의 심장마비 조기 발견 및 개입을 통해 여성의 경우 매년 50만 명의 심장 관련 사망이 발생하고 있습니다. 마찬가지로 새로운 AI 도구도 신장 질환 검사의 인종 기반 알고리즘이는 역사적으로 흑인, 히스패닉 및 아메리카 원주민을 제외하여 치료가 지연되고 임상 결과가 좋지 않습니다.
AI는 소외된 개인을 제외하는 대신 실제로 소외 계층의 건강 위험을 예측하고 개인화된 위험 평가를 통해 더 나은 개입을 목표로 하는 데 도움이 될 수 있습니다. 데이터가 이미 있을 수도 있습니다. 인종, 성별 및 기타 인구통계학적 요인이 결과에 어떤 영향을 미치는지 결정하기 위해 모델을 “조정”하는 것만으로도 충분합니다.
관리 작업 간소화
AI는 환자 결과에 직접적인 영향을 미치는 것 외에도, 격차를 줄이기 위해 이면에서 워크플로를 가속화할 수 있는 놀라운 잠재력을 가지고 있습니다. 예를 들어, 기업과 서비스 제공업체는 이미 AI를 사용하여 청구 코딩 및 판결의 공백을 메우고, 의사의 메모와 비교하여 진단 코드를 검증하고, 일반적인 진단 절차에 대한 사전 승인 프로세스를 자동화하고 있습니다.
이러한 기능을 합리화함으로써 우리는 운영 비용을 획기적으로 절감하고 의료 제공자 진료소를 더욱 효율적으로 운영하며 직원이 환자와 함께 보낼 수 있는 시간을 더 많이 제공하여 의료 서비스를 훨씬 더 저렴하고 접근 가능하게 만들 수 있습니다.
우리 각자는 중요한 역할을 맡고 있습니다
우리가 이러한 놀라운 도구를 마음대로 사용할 수 있다는 사실은 의료 편견을 근절하고 극복하기 위해 이를 사용하는 것이 더욱 중요하다는 것을 의미합니다. 불행하게도 미국에는 AI를 사용하여 의료 서비스 제공에 대한 “편견을 없애려는 노력을 규제하는 인증 기관이 없으며, 지침을 제시한 조직의 경우에도 이를 준수할 규제 인센티브가 없습니다.
따라서 AI 실무자, 데이터 과학자, 알고리즘 작성자 및 사용자로서 포괄성, 데이터의 다양성, 이러한 도구와 통찰력의 공평한 사용을 보장하기 위한 의식적인 전략을 개발하는 책임은 우리에게 있습니다.
그러기 위해서는 정확한 통합과 상호 운용성이 필수적입니다. 웨어러블, 제3자 연구실, 영상 제공업체부터 1차 의료, 건강 정보 교환, 입원 환자 기록에 이르기까지 데이터 소스가 너무 많아서 소스 형식에 관계없이 핵심 부분이 포함되도록 이 모든 데이터를 통합해야 합니다. 업계에서는 다양한 문화와 언어에 따라 이름 철자가 다르거나 명명 규칙이 있더라도 필수 환자 데이터가 포함되도록 데이터 정규화, 표준화 및 신원 일치가 필요합니다.
또한 AI 개발 프로세스에 다양성 평가를 구축하고 시간이 지남에 따라 지표의 “드리프트”를 모니터링해야 합니다. AI 실무자는 인구통계학적 하위 그룹 전체에서 모델 성능을 테스트하고, 편향 감사를 수행하고, 모델이 결정을 내리는 방식을 이해할 책임이 있습니다. 우리의 분석이 우리가 구축하려는 인구를 대표하는지 확인하기 위해 인종 기반 가정을 넘어서야 할 수도 있습니다. 예를 들어, 피마 인디언 부족 애리조나의 길라강 보호구역에 사는 사람들은 비만과 제2형 당뇨병의 비율이 매우 높은 반면, 국경 바로 건너편 멕시코의 시에라 마드레 산맥에 사는 같은 부족의 구성원들은 비만과 당뇨병의 비율이 현저히 낮습니다. 유전적인 요인이 유일한 요인은 아닙니다.
마지막으로, 미국 의학 협회, 미국 건강 정보 기술 코디네이터 사무실과 같은 조직과 미국 산부인과 학회, 미국 소아과 학회, 미국 심장 학회 등과 같은 전문 조직이 함께 협력해야 합니다. 편견을 방지하기 위해 데이터 교환 및 예리함을 위한 표준과 프레임워크를 설정합니다.
건강정보 공유 표준화 및 확대를 통해 HTI-1 그리고 HTI-2 개발자가 인증 기관과 협력하도록 요구하기 위해 우리는 규정 준수를 보장하고 과거의 불평등 오류를 수정하도록 돕습니다. 또한 완전하고 정확한 환자 데이터에 대한 접근을 민주화함으로써 우리는 편견을 지속시키는 장애물을 제거하고 AI를 사용하여 보다 포괄적이고 객관적인 통찰력을 통해 치료 격차를 해결할 수 있습니다.
게시물 AI는 건강 형평성 개선에 있어 친구가 될 수도 있고 적이 될 수도 있습니다. 해롭지 않고 도움이 되는지 확인하는 방법은 다음과 같습니다. 처음 등장한 Unite.AI.