乔治梅森大学已从美国国立卫生研究院（NIH）获得资金，通过其“人工智能/机器学习联盟促进健康公平和研究者多样性”（AIM-AHEAD）计划，增强历史上被边缘化的研究人员和社区在开发人工智能（AI）和机器学习（ML）模型中的参与度。AIM-AHEAD旨在利用电子健康记录（EHR）和其他生物医学研究中生成的大量数据，解决健康差异和不平等问题。
新资助项目由Janusz Wojtusiak领导，该项目基于“公平和可访问的伤害检测软件”（EAS-ID）倡议，旨在构建用于收集、评估和分析伤害数据的人工智能工具。新资金特别针对测量成像文档的公平性和质量。除了Wojtusiak，一个跨学科研究团队还包括Katherine Scafide和David Lattanzi，以及健康信息学助理教授Eman Elashkar、研究助理教授Jesse Kirkpatrick（同时也是哲学与公共政策研究所的代理主任）和Mason的博士后研究员Amin Nayebi Nodoushan。他们的研究重点是结合人工智能方法和替代光源（ALS），以改善瘀伤检测，解决肤色较深个体在暴力伤害评估中遇到的可见性问题。
当前文献指出，肤色显著影响医疗保健中基于AI的工具的准确性。研究表明，医疗设备如脉搏血氧仪和智能手表在肤色较深的个体中经常产生不准确的读数，这些差异可能导致关键医疗干预的延迟，加剧现有的健康差异。
该研究将特别关注瘀伤，这是亲密伴侣暴力（IPV）受害者最常见的软组织损伤类型。统计数据显示，大约三分之一的美国人经历过IPV，少数族裔报告的比例更高。肤色较深的幸存者指出，他们的瘀伤通常不可见，导致寻求必要医疗护理的重大延误。
Katherine Scafide是多学科团队的一员，致力于推进AI驱动的伤害检测公平性。通过创新使用ALS，乔治梅森大学的研究团队已证明在不同肤色下显著提高了瘀伤的可见性。团队的目标是开发确保基于AI的工具提供公平和无偏见的伤害检测和表征的方法。这将涉及创建综合的技术-伦理指标，以评估这些工具在不同肤色下的性能。在开发过程中，参与多样化的利益相关者，包括临床医生、法医护士和社区代表，将是确保符合AI伦理实践的关键。
研究团队的两个主要目标是开发评估AI工具公平性的指标，并应用这些指标改进瘀伤检测模型。他们已经收集了一个包含在不同光照条件下拍摄的大量瘀伤图像的数据集，这些数据将用于提高AI模型的性能。研究团队的跨学科性质，包括信息学家、工程师、临床医生和伦理学家，确保了全面应对这些复杂问题的方法。
与AIM-AHEAD的目标一致，这一研究计划有望在解决健康不公平问题和提升医疗保健中AI的能力方面做出重大贡献。通过专注于代表性不足社区的具体需求，乔治梅森大学的研究团队正在为更公平的医疗解决方案铺平道路，最终目标是提高不同人群伤害评估的准确性和有效性。
该项目由乔治梅森大学公共卫生学院与工程与计算学院合作开展。有关项目的更多信息，请访问bruise.gmu.edu。
(全文结束)
