人工智能模型中潜在的偏差来源:作为模板,在ICU中测量乳酸
Nebal S Abu Hussein1, Pratiksha Pradhan2, Fredrik Willumsen Haug2
1Yale University.
Research square
|February 20, 2025
概括
血清乳酸检测在败血症中显示出最小的人口差异,黑人患者的可能性略高,女性的频率较低. 生物标志物监测的这种变化可能会导致人工智能模型偏差.
科学领域:
- 关键护理医学 关键护理医学
- 医疗保健服务研究 医疗服务研究
- 生物统计学 生物统计学
背景情况:
- 与性别,语言能力和种族种族相关的健康不平等会影响医疗保健的获取和测试.
- 诊断测试中的差异可能会在医疗保健中使用的人工智能 (AI) 模型中引入偏见.
- 血清乳酸测量是重症监护室 (ICU) 设置中至关重要的生物标志物,特别是用于败血症管理.
研究的目的:
- 为了评估血清乳酸测量频率在重症监护室 (ICU) 患有败血症的患者中的变化.
- 确定与血清乳酸测试的可能性和频率相关的人口因素.
- 了解可能影响人工智能模型性能的生物标志物数据中的潜在偏差.
主要方法:
- 利用MIMIC-IV数据库 (2008-2019) 来识别符合败血症-3标准的成年患者.
- 被排除的ICU患者停留时间少于一天,种族或种族不明,年龄在18岁以下,或经常性停留.
- 雇员针对性最大概率估计,以评估第1天乳酸测量的概率和随后读数的预测因素.
主要成果:
- 在15601名败血症患者中,黑人患者接受1日乳酸测量 (OR1.19) 的可能性略高.
- 在女性中,随后的乳酸测量发生率较低 (IRR 0.94).
- 选择性入院和私人保险与更高频率的重复乳酸测量有关.
结论:
- 在败血症乳酸检测中发现了最小的人口差异,黑人患者略有增加,女性患者略有减少.
- 承认生物标志物监测的变化,如血清乳酸盐,可以在预测模型中引入数据偏差.
- 强调需要在所有涉及患者结果建模的分析中考虑监测变化.
