算法越来越多地被用于医疗保健环境，但它们可能会放大有害的偏见和剥夺权利的模式。


“基本上，我们不知道为什么算法会这样计算，我们发现它们倾向于关注可能使数据偏向健康差异的数据点，”霍普金斯大学公共卫生学院生物伦理学家Kadija Ferryman博士表示。


例如，评估个人滥用阿片类药物风险的NARX评分，可能会使用犯罪率等数据点。 由于对某些社区的过度监管，种族偏见可能会嵌入到犯罪历史数据中，这意味着某些人群可能无法获得必要的药物治疗。


然而，精心设计的算法，可以用来查明医疗保健数据中的偏差，并“帮助我们更多了解我们已知存在的一些不公平现象，”Ferryman称。



声明：本文翻译内容经约翰.霍普金斯大学公共卫生学院健康安全中心授权。中文翻译版权归本人所有，未经本人授权，不得转载本人翻译内容。英文内容版权归原作者所有。

https://us3.campaign-archive.com/?u=0a43ad874dbe00d8f0545cfef&id=d7e6fb4ee4