乔治梅森大学已获得美国国立卫生研究院（NIH）通过其“人工智能/机器学习联盟促进健康公平和研究者多样性”（AIM-AHEAD）计划的资助。这一举措旨在增强历史上在人工智能（AI）和机器学习（ML）模型开发中代表性不足的研究人员和社区的参与。AIM-AHEAD计划旨在利用通过电子健康记录（EHR）和其他生物医学研究生成的日益增长的数据量，解决健康不平等和不公平问题。
新资助项目由Janusz Wojtusiak领导，该项目建立在“公平且可访问的伤害检测软件”（EAS-ID）倡议的基础上，旨在构建用于收集、评估和分析伤害数据的人工智能工具。新的资助特别关注测量影像记录的公平性和质量。除了Wojtusiak，跨学科研究团队还包括Katherine Scafide和David Lattanzi，以及健康信息学助理教授Eman Elashkar、研究助理教授Jesse Kirkpatrick（同时也是哲学与公共政策研究所的代理主任）和Mason的博士后研究员Amin Nayebi Nodoushan。他们的研究集中在使用AI方法结合替代光源（ALS）来改善瘀伤检测，解决肤色较深个体在暴力伤害评估中遇到的可见性问题。
当前文献指出，肤色显著影响基于AI的医疗工具的准确性。研究表明，如脉搏血氧仪和智能手表等医疗设备在肤色较深的个体中经常产生不准确的读数。这些差异可能导致关键医疗干预的延迟，加剧现有的健康不平等现象。
拟议的研究将特别关注瘀伤，这是亲密伴侣暴力（IPV）受害者最常见的软组织损伤类型。统计数据显示，大约三分之一的美国人经历过IPV，而少数族裔报告的比例更高。肤色较深的幸存者指出，他们的瘀伤往往不可见，导致寻求必要医疗护理的显著延迟。
Katherine Scafide是跨学科团队的一员，致力于推进AI驱动的伤害检测公平性。通过创新使用ALS，乔治梅森大学研究团队已经展示了在不同肤色下显著改善瘀伤可见性的成果。该团队的目标是开发确保基于AI的工具在不同肤色下提供公平且无偏见的伤害检测和表征的方法。这将涉及创建综合的技术-伦理指标，以评估这些工具在不同肤色下的性能。在开发过程中，与临床医生、法医护士和社区代表等多样化的利益相关者合作，确保符合AI的伦理实践至关重要。
研究团队的两个主要目标是开发评估AI工具公平性的指标，并应用这些指标改进瘀伤检测模型。他们已经收集了大量的在不同光照条件下拍摄的瘀伤图像数据集，这些数据将用于提升AI模型的性能。跨学科研究团队由信息学家、工程师、临床医生和伦理学家组成，确保全面解决这些复杂问题。
与AIM-AHEAD的目标一致，这一研究计划有望在解决健康不平等方面做出重大贡献，并增强AI在医疗保健中的能力。通过关注代表性不足社区的具体需求，乔治梅森大学研究团队正在为更公平的医疗解决方案铺平道路，最终目标是提高不同人群的伤害评估的准确性和有效性。
该项目由乔治梅森大学公共卫生学院与工程与计算学院合作开展。有关项目的更多信息，请访问bruise.gmu.edu。
(全文结束)
