社区参与的人工智能:阿拉斯加部落卫生系统中人工智能和机器学习模型的上游,参与式设计,开发,测试,验证,使用和监测框架

科学领域:

• 健康 公平 研究 健康 公平 研究
• 医疗保健中的人工智能
• 基于社区的参与式研究

背景情况:

• 美国印第安人和阿拉斯加土著 (AI/AN) 社区面临历史研究不平等.
• 基于社区的参与型研究 (CBPR) 提供了伦理研究参与的框架.
• 人工智能/ML的进步为促进AI/AN社区的健康公平提供了机会.

研究的目的:

• 在AI/AN医疗保健中开发和实施社区参与的AI/ML方法.
• 在阿拉斯加部落卫生系统 (ATHS) 中解决特定的医疗保健需求,例如空中医疗救护车的利用.
• 确保AI/ML技术与AI/AN世界观,优势和医疗保健目标保持一致.

主要方法:

• 一个混合方法的融合三角化研究,结合了定性和定量分析.
• 根据社区需求,提供商关切和文化背景,开发AI/ML模型.
• 研究框架的伦理,法律和社会影响的应用,用于AI/ML实施.

主要成果:

• 在开发和试点社区参与的AI/ML方法方面取得了早期成功.
• 建立第二个项目,以扩大社区参与,技术能力,并解决治理/道德问题.
• 在ATHS内部创建一个机构,提供关于AI/ML安全,隐私,治理和政策的建议.

结论:

• 社区参与的AI/ML有可能促进AI/AN社区的公平医疗保健.
• 这些项目为边缘化社区的公平AI/ML实施提供了路线图.
• 目前的工作重点是扩大社区视角,试点模型,并解决道德问题.