Your browser doesn't support javascript.
Bias at warp speed: how AI may contribute to the disparities gap in the time of COVID-19.
Röösli, Eliane; Rice, Brian; Hernandez-Boussard, Tina.
  • Röösli E; School of Life Sciences, Swiss Federal Institute of Technology (EPFL), Lausanne, Switzerland.
  • Rice B; Department of Medicine (Biomedical Informatics), Stanford University, Stanford, California, USA.
  • Hernandez-Boussard T; Department of Emergency Medicine, Stanford University, Stanford, California, USA.
J Am Med Inform Assoc ; 28(1): 190-192, 2021 01 15.
Artículo en Inglés | MEDLINE | ID: covidwho-1066360
ABSTRACT
The COVID-19 pandemic is presenting a disproportionate impact on minorities in terms of infection rate, hospitalizations, and mortality. Many believe artificial intelligence (AI) is a solution to guide clinical decision-making for this novel disease, resulting in the rapid dissemination of underdeveloped and potentially biased models, which may exacerbate the disparities gap. We believe there is an urgent need to enforce the systematic use of reporting standards and develop regulatory frameworks for a shared COVID-19 data source to address the challenges of bias in AI during this pandemic. There is hope that AI can help guide treatment decisions within this crisis; yet given the pervasiveness of biases, a failure to proactively develop comprehensive mitigation strategies during the COVID-19 pandemic risks exacerbating existing health disparities.
Asunto(s)
Palabras clave

Texto completo: Disponible Colección: Bases de datos internacionales Base de datos: MEDLINE Asunto principal: Inteligencia Artificial / Asignación de Recursos / Disparidades en Atención de Salud / COVID-19 Tipo de estudio: Estudio pronóstico / Ensayo controlado aleatorizado / Revisión sistemática/Meta análisis Límite: Humanos País/Región como asunto: America del Norte Idioma: Inglés Revista: J Am Med Inform Assoc Asunto de la revista: Informática Médica Año: 2021 Tipo del documento: Artículo País de afiliación: Jamia

Similares

MEDLINE

...
LILACS

LIS


Texto completo: Disponible Colección: Bases de datos internacionales Base de datos: MEDLINE Asunto principal: Inteligencia Artificial / Asignación de Recursos / Disparidades en Atención de Salud / COVID-19 Tipo de estudio: Estudio pronóstico / Ensayo controlado aleatorizado / Revisión sistemática/Meta análisis Límite: Humanos País/Región como asunto: America del Norte Idioma: Inglés Revista: J Am Med Inform Assoc Asunto de la revista: Informática Médica Año: 2021 Tipo del documento: Artículo País de afiliación: Jamia