根据巴西数据保护法,人工智能,数据共享和视网膜成像的隐私

科学领域:

• 医疗保健人工智能的人工智能
• 医疗信息学 医疗信息学
• 数据科学数据科学数据科学

背景情况:

• 人工智能 (AI) 正在改变医疗保健,但来自非代表性培训数据的AI模型中的偏见可能会导致健康差异.
• 解决偏见对于公平的医疗保健服务至关重要,需要在特定人群中开发和验证人工智能模型.

研究的目的:

• 探索数据在人工智能开发中的关键作用,以减轻医疗保健差异.
• 强调具有代表性的数据集,本地验证和遵守数据保护法律对于负责任的AI实施的重要性.

主要方法:

• 这篇观点论文分析了人工智能开发中数据偏差的挑战.
• 它检查了人工智能算法的本地验证的需要,并讨论了根据巴西一般数据保护法共享数据的含义.
• 为了提高数据的可用性,强调了FAIR原则 (可查找性,可访问性,互操作性和可重复使用性).

主要成果:

• 人工智能开发中的非代表性数据集可能导致偏差结果,不成比例地影响少数群体.
• 在公开可用的数据集中,低收入和中等收入国家的代表性显著不足,这阻碍了公平的AI研究.
• 遵守FAIR原则对于负责任的数据管理和医疗保健中的AI发展至关重要.

结论:

• 减轻医疗保健中的偏见人工智能对于确保公平结果至关重要.
• 开发和验证使用代表性数据集并遵守数据保护法规的AI模型是关键步骤.
• 通过FAIR原则促进数据共享,支持负责任的AI创新,并解决全球健康差异.