IBM Blog
·
在医疗和生命科学行业实现负责任的人工智能
💡
原文英文，约1100词，阅读约需4分钟。
📝
内容提要
COVID-19暴露了健康不平等的数据，黑人死于COVID-19的比例高于白人。医疗资源有限、公共政策不足以及共病负担不均是造成这些差距的原因。使用生成式AI技术可能会对历史上被忽视的社区造成更大的伤害。为了实现更公平和可信赖的结果，需要积极投资于AI，并确保AI模型准确、可审计、可解释、公平和保护个人数据隐私。
🎯
关键要点
- COVID-19暴露了健康不平等的数据，黑人死于COVID-19的比例高于白人。
- 造成健康差距的原因包括医疗资源有限、公共政策不足和共病负担不均。
- 历史上被忽视的社区可能会使用生成式AI技术寻求医疗建议，但可能会受到更大伤害。
- 生成式AI的使用需要AI治理，包括安全和信任的适当使用案例和保护措施。
- 确保AI模型准确、可审计、可解释、公平和保护个人数据隐私是赢得信任的关键。
- 历史事件如1937年的Elixir Sulfanilamide灾难促使FDA进行制度创新，类似的创新对于AI也至关重要。
- 为了确保生成式AI支持脆弱社区，需要实施信任和透明度的原则，确保输出可审计和可解释。
- HCLS组织在使用生成式AI时应告知患者AI模型的使用情况，并提供相关的可解释元数据。
➡️
