AI Bias in Healthcare: Using ImpactPro as a Case Study for Healthcare Practitioners’ Duties to Engage in Anti-Bias Measures
| Autor: | Samantha Lynne Sargent |
|---|---|
| Jazyk: | angličtina |
| Předmět: |
Health (social science)
Social Sciences and Humanities bias Best practice préjugés préjugés implicites implicit bias intelligence artificielle Health care racism Health needs Ethics Medical education business.industry Health Policy BJ1-1725 artificial intelligence racisme Philosophy machine learning apprentissage automatique Sciences Humaines et Sociales Implicit bias business Psychology ImpactPro |
| Zdroj: | Canadian Journal of Bioethics, Vol 4, Iss 1 (2021) Canadian Journal of Bioethics / Revue canadienne de bioéthique; Vol. 4 No. 1 (2021): Open Issue; 112-116 Canadian Journal of Bioethics / Revue canadienne de bioéthique; Vol. 4 No 1 (2021): Numéro hors-thème; 112-116 |
| ISSN: | 2561-4665 |
| Popis: | The introduction of ImpactPro to identify patients with complex health needs suggests that current bias and impacts of bias in healthcare AIs stem from historically biased practices leading to biased datasets, a lack of oversight, as well as bias in practitioners who are overseeing AIs. In order to improve these outcomes, healthcare practitioners need to engage in current best practices for anti-bias training L’introduction d’ImpactPro pour identifier les patients ayant des besoins de santé complexes suggère que les préjugés actuels et les impacts des préjugés dans les IA de soins de santé proviennent de pratiques historiquement biaisées menant à des ensembles de données biaisés, d’un manque de supervision, ainsi que de préjugés chez les praticiens qui supervisent les IA. Afin d’améliorer ces résultats, les praticiens de la santé doivent adopter les meilleures pratiques actuelles en matière de formation à la lutte contre les préjugés. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|