人工智能（AI）已经在改变医疗保健的提供方式，通过提高图像诊断的准确性、从大型数据集中预测患者结果以指导治疗计划，以及分析个体患者数据来定制干预措施以满足个人需求。UMass Chan Medical School的研究员Feifan Liu博士，人口与定量健康科学系副教授，是推动AI另一个重要应用——促进健康公平的全国性努力的一部分。
2022年，Liu博士是首批参与美国国立卫生研究院（NIH）人工智能/机器学习联盟（AIM-AHEAD）项目的领导力研究员之一。该项目旨在增强在AI和机器学习模型开发中代表性不足的研究人员和社区的参与和代表性，并提高这一新兴技术解决健康差距和不平等的能力。
“Liu博士在AIM-AHEAD的工作及其在这个结构中的角色，不仅思考AI的价值，还思考它如何在医疗系统和社会整体中发挥作用，”Ben S. Gerber博士，医学硕士，公共卫生硕士，人口与定量健康科学系教授，与Liu博士合作多个项目，“风险是什么？我们如何处理公平、偏见和信任等人工智能伦理问题？”
Liu博士是两个主要研究项目的首席研究员，这些项目源于AIM-AHEAD研究员计划。第一个项目DETERMINE（通过负责任的机器学习进行糖尿病预测和公平），是一个为期两年、价值140万美元的NIH AIM-AHEAD联盟发展赠款，与伊利诺伊大学芝加哥分校和天普大学合作，旨在开发一个集成社会、人口统计和临床因素的多变量风险预测模型，以实现准确、公平、通用且可解释的2型糖尿病预测。Gerber博士是该研究的共同首席研究员，目前项目已进入第二年。
“我们的主要目标是建立一个响应式AI模型，预测2型糖尿病的发展风险，并评估该模型在不同机构之间的通用性以及在不同人口亚组之间的公平性表现，”Liu博士说，“我们还将进行模拟分析，说明其对现实世界临床实践的潜在影响，特别是改善预防医学或预防项目的获取，尤其是对受2型糖尿病影响不成比例的少数群体。”
AI应用的核心是机器学习模型所基于的算法。现有的2型糖尿病预防指南依赖于简化的、不精确的糖尿病前期定义，仅依靠血糖和体重指数等有限的指标，Liu博士解释道。研究人员希望将涉及邻里、环境和经济特征的非医疗社会经济数据整合到DETERMINE算法中，更准确地识别高风险人群，从而更公平地分配预防和治疗资源。
第二个项目AI2Equity，是一项由国家心肺血液研究所资助的为期四年、价值300万美元的项目，于2024年开始。该项目与OCHIN（一个全国性的社区健康网络）和天普大学合作，跨学科研究团队旨在构建一个结合健康社会决定因素、结构化电子健康记录和临床笔记的深度学习模型，以提高心血管疾病预测的准确性。Liu博士表示，该项目为推进心血管疾病预防的公平性提供了坚实的基础。
“对于这两个项目，我们将评估和改进模型在不同机构和不同设置下的通用性和公平性，”Liu博士说，“为了减少偏见，我们将开发训练算法，确保模型训练排除与种族或民族等敏感属性密切相关的数据。研究表明，AI可能会无意中放大有偏见的数据信号，加剧边缘化群体的差异。最后，我们希望展示模型具有更好的可解释性，以更好地支持临床决策。”
Liu博士和Gerber博士表示，越早且更准确地识别出患糖尿病或心血管疾病的风险，健康结局越好，可以通过生活方式和药物治疗预防或延缓疾病的发生。
(全文结束)
