ノーマル・ブレイン: 人口排除がニューロ画像AIの有効性を損なう方法
Journal of clinical epidemiology
|February 22, 2026
まとめ
非多様なデータで訓練された神経イメージングAIは,不正確な臨床決定のリスクがあります. データセットにおける人口学的ギャップに対処することは,AIの安全性と科学的妥当性にとって不可欠であり,神経学的多様性を生物学的現実として認識します.
科学分野:
- 神経科学は神経科学である.
- 人工知能 (AI) とは,人工知能 (AI) のことです.
- メディカルイマージング (医学イメージング)
背景:
- 神経画像AIシステムは,臨床意思決定においてますます使用されています.
- 訓練データセットにおける人口統計学的排除は,AIの科学的妥当性と臨床安全性を損なう可能性があります.
- データセットの集中は,神経学的多様性の原理を損なう可能性があります.
研究 の 目的:
- 主要な神経イメージングリポジトリにおける人口集中を調べる.
- この濃度がAIシステムにどのような影響を与えるかを分析する.
- 神経学的多様性を病理化するAIの可能性を調査する.
主な方法:
- 5つの主要な神経画像データセットの分析 (55,000人以上の参加者).
- 参加者の特徴 (人種,民族,性別,年齢,地理,社会経済的な地位,教育) の収集.
- 人口集団におけるAIのパフォーマンスの格差に関する文献のレビュー.
主要な成果:
- データセットは重度の人口集中を示しています (例えば,52~94%の白人,85~100%の北米/ヨーロッパ人).
- AIのパフォーマンスの格差が観察され,女性では発作の検出が低く,黒人参加者の認知症スクリーニングでは偽陽性値が高くなりました.
- 制限されたデータを用いたCOVID-19の脳老化研究で指摘されたバイアスの増幅.
結論:
- ニューロイメージングAIにおける人口排除は,研究の有効性および臨床の安全性にとって重大な脅威となっています.
- 多様性,公平性,包摂のイニシアチブは不可欠です.
- 神経学的多様性を認識することは,科学的厳密さとAIの安全性の鍵です.
