电子健康记录（EHRs）中发现的种族和族裔数据不准确可能会对患者护理产生负面影响，因为人工智能（AI）越来越多地被整合到医疗保健中。由于医院和提供者在收集此类数据时缺乏一致性，并且难以准确分类个别患者，因此在这些数据集上训练的AI系统可能会继承并延续种族偏见。
在《PLOS Digital Health》的一篇新文章中，生物伦理学和法律方面的专家呼吁立即标准化种族和族裔数据的收集方法，并要求开发者保证医疗AI系统中种族和族裔数据的质量。该研究综合了关于为什么EHRs中的患者种族数据可能不准确的担忧，确定了改善数据准确性的最佳实践，并为医疗AI开发者提供了一个新的模板，以透明地保证其种族和族裔数据的质量。
主要作者Alexandra Tsalidis, MBE表示：“如果AI开发者采纳我们的建议，披露他们如何收集种族和族裔数据，他们不仅将推进医疗AI的透明度，还将帮助患者和监管机构批判性地评估由此产生的医疗设备的安全性。就像营养标签告知消费者他们摄入的食物一样，这些免责声明可以揭示用于训练基于AI的医疗工具的数据质量和来源。”
“随着技术越来越多地融入医疗保健，AI模型中的种族偏见是一个巨大的问题，”资深作者Francis Shen, JD, Ph.D.说。“这篇文章提供了一种具体的方法，可以帮助解决这些问题。”
虽然还需要做更多的工作，但该文章提供了一个起点，共同作者Lakshmi Bharadwaj, MBE建议道：“关于最佳实践的开放对话是一个至关重要的步骤，我们提出的建议可能会带来显著的改进。”
(全文结束)
