基于人工智能的乳腺癌的乳房扫描解释的全球差异:对代表性,趋势和公平的科学度分析
Isabele A Miyawaki1, Imon Banerjee2, Felipe Batalini3
1Department of Medicine, Federal University of Parana, Curitiba, Parana, Brazil.
European journal of cancer (Oxford, England : 1990)
|April 10, 2025
概括
对于乳腺癌乳房扫描解释的人工智能 (AI) 缺乏多样性. 研究主要使用来自高收入国家的白人患者,研究人员代表性不足,这可能会限制人工智能公平性和乳腺癌护理的普遍性.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 乳腺癌 (BC) 是全球领先的癌症诊断和女性癌症死亡的原因.
- 人工智能 (AI) 显示出增强乳房影像解释的潜力,特别是在服务不足的地区.
- 由于数据集和研究人员多样性问题,现有的人工智能模型面临着普遍性,公平性和公平性方面的挑战.
研究的目的:
- 进行人工智能研究的科学测量分析,使用乳腺癌检测的乳房影像.
- 在AI模型开发中评估患者队列和研究人员代表的多样性.
- 在人工智能乳房造影研究中识别地理和人口代表性的差异.
主要方法:
- 对2017年,2018年,2022年和2023年使用查或诊断性乳房造影用于AI培训/验证的研究进行系统审查.
- 在2024年7月搜索了PubMed (MEDLINE) 和EMBASE数据库.
- 提取了患者社会人口统计 (种族/族裔,年龄),地理分布 (收入水平,地区) 和作者个人资料 (性别,归属,资金) 的数据.
主要成果:
- 在2017年 (28项研究) 和2023年 (115项研究) 之间观察到人工智能乳房学研究的显著增加.
- 报告患者的种族/种族是最小的 (0-0.25%),大多数队列被确定为高加索人.
- 患者队列和作者关系绝大多数来自高收入国家,低收入国家没有代表;作者中注意到性别不平衡.
结论:
- 数据集和研究人员人口统计学中的有限的种族,种族和地理多样性阻碍了AI乳房镜解读的概括性和公平性.
- 解决这些差异对于促进乳腺癌治疗的公平进展至关重要.
- 促进多样化的数据收集和促进包容性的国际研究合作是必要的步骤.
