机器学习中的公平性与医疗保健中的公平性相遇
摘要：在医疗保健领域，随着机器学习的不断应用，提升医疗保健结果的潜力也越来越大。然而，这也带来了数据和模型设计中偏见的风险，可能对特定人群造成伤害，如年龄、性别和种族等因素。本研究提出了一个基于软件工程原则的人工智能框架，用于在医疗保健环境中识别和减轻数据和模型中的偏见，同时确保公平性。通过一个案例研究展示了数据中的系统性偏差如何导致模型预测中的放大偏见，并提出了机器学习方法来防止这种偏见。未来的研究旨在在实际临床环境中测试和验证所提出的机器学习框架，评估其对促进健康公平的影响。
作者：Shaina Raza, Parisa Osivand Pour, Syed Raza Bashir
论文ID：2305.07041
分类：Machine Learning
分类简称：cs.LG
提交时间：2023-08-15