公平的AI驱动的骨科图像细分:解决偏见并促进公平的医疗保健

科学领域:

• 整形外科成像 整形外科成像
• 医学中的人工智能
• 医疗图像分析 医学图像分析

背景情况:

• 人工智能驱动的部和膝盖骨解剖学的细分正在改变骨科手术前规划和术后评估.
• 医疗成像人工智能模型中的潜在偏差,特别是在细分方面,仍然在很大程度上未被探索.
• 由于可用性和成本,普通放射 (X射线) 是主要的初始成像模式,这使得它们对各种医疗保健环境至关重要.

研究的目的:

• 重新检查人工智能驱动的部和膝盖骨解剖的细分,使用普通的X射线图.
• 在基于AI的图像细分中调查与性别,种族和年龄有关的偏见的潜在原因.
• 开发和提出针对性缓解策略,以便在骨科成像中实现更公平,更安全的AI.

主要方法:

• 专注于平面放射 (X射线) 用于部和膝盖骨解剖学的AI细分.
• 进行了广泛的评估,以确定人工智能细分偏差的原因.
• 开发并应用自动细分与有针对性的缓解策略,以解决已识别的偏见.

主要成果:

• 确定了基于人工智能的部和膝盖X射线与性别,种族和年龄相关的基于AI的细分偏差的潜在原因.
• 开发并验证了有针对性的缓解策略,以缓解这些偏见.
• 实现了用于骨科成像的公平,公正和安全的自动细分.

结论:

• 在普通放射图上,人工智能驱动的部和膝盖骨解剖的细分可以通过解决与性别,种族和年龄相关的偏见来使其更公平,更安全.
• 这项工作增强了人工智能驱动的医疗保健中的包容性,伦理实践和公平性,改善了临床结果和骨关节炎研究.
• 公共可访问的代码和数据集促进开放的科学研究和广泛采用公正的AI工具.