"أظهرت النماذج أداءً متفوقًا للنساء البيضاوات، ولكن بدقة أقل للنساء الآسيويات".إيفانا باركر
اكتشف باحثون من جامعة فلوريدا أن خوارزميات التعلم الآلي المصممة بالذكاء الاصطناعي لتشخيص المشكلات الصحية التي تصيب النساء، أظهرت تحيزًا تشخيصيًّا بين المجموعات العرقية.
وبحسب تقرير نشره موقع الجامعة، توفر أدوات الذكاء الاصطناعي إمكانات كبيرة لتحسين تقديم الرعاية الصحية، لكنها قد تقدم نتائج منحازة بين المجموعات العرقية المختلفة، وهو ما يشكل مصدر قلق كبير على صحة المرأة، بالنظر إلى الفوارق العرقية القائمة.
وركزت الدراسة على تقييم حيادية خوارزميات التعلم الآلي في تشخيص التهاب المهبل الجرثومي، وهي حالة شائعة تؤثر في الغالب على النساء في سن الإنجاب، إلا أن الاختلافات التشخيصية بين الأعراق قد ظهرت بشكل واضح.
ومن خلال تجميع البيانات من 400 امرأة، بما في ذلك 100 من مجموعات عرقية مختلفة (بيضاء، سوداء، آسيوية، وإسبانية)، حلل الباحثون فاعلية أربعة نماذج للتعلم الآلي في التنبؤ بالعدوى المهبلية بين النساء دون أعراض، والتي عادة ما يكون تشخيصها معقدًا.
وكشفت النتائج عن دقة متفاوتة عبر الأعراق، إذ ظهرت تشخيصات إيجابية خاطئة عند العديد من النساء من أصل إسباني، بينما ظهرت تشخيصات سلبية خاطئة بشكل كبير عند النساء الآسيويات.
وسلطت إيفانا باركر، المؤلفة المشاركة في الدراسة والأستاذة المساعدة في الهندسة الحيوية الضوء على الفوارق قائلة: "لقد أظهرت النماذج أداءً متفوقًا للنساء البيضاوات، ولكن بدقة أقل للنساء الآسيويات، ما يشير إلى عدم المساواة في المعاملة بين الأعراق".
وإلى جانب معالجة القدرات التنبؤية للذكاء الاصطناعي لأعراق معينة، هدفت الدراسة إلى تحديد العوامل المرتبطة بالعدوى البكتيرية لدى النساء من أعراق متنوعة، ما قد يسهم أيضًا في تحسين العلاجات.
وتعد هذه الدراسة بمثابة دعوة واضحة لتحسين أدوات الذكاء الاصطناعي لضمان تقديم الرعاية الصحية بشكل عادل بين مجموعات سكانية متنوعة.