人工智能承诺将彻底改变医疗保健。潜在的好处包括改善诊断、发现新的治疗方案以及推动个性化医疗的发展。但如果用于训练人工智能的数据不精确，因为它基于的研究未能代表多样化的人群，那又会怎样呢？City of Hope癌症研究和治疗机构的首席科学官、著名基因组学研究员John D. Carpten博士对此表示担忧。
“尽管人类基因组图谱的绘制开启了一个精准医学的新时代，但过去二十年进行的基因组研究中约95%的数据来自白人欧洲人的基因组。只有3%的数据来自亚洲人，不到1%的数据来自非裔美国人或加勒比黑人、非洲人和拉丁裔社区。”Carpten博士说。
这种情况可能导致未被充分代表的人群无法受益于精准医学提供的靶向治疗，而且医疗偏见可能会持续多年。科学家们指出，临床研究必须更具包容性，以便更好地理解健康差异。根据美国国立卫生研究院的数据，在美国，非裔美国男性患前列腺癌的概率比白人男性高出76%，死亡率更是高出120%，然而这一现象才刚刚开始被研究。
多发性骨髓瘤提供了另一个癌症结果的例子。虽然非裔美国人约占美国人口的14%，但他们却占多发性骨髓瘤病例的大约20%。
人工智能需要多样化数据
这些发现如何限制了人工智能的应用？大多数用于生成癌症肿瘤生物标志物的数据主要来自欧洲血统的人群，即使在具有不同背景的个体中观察到肿瘤在分子水平上的差异。如果使用这些数据让人工智能推断结果，科学家可能会加剧偏见并引入错误信息，从而扩大群体之间的治疗差距——这还包括性别和生命阶段的差异。
为了使人工智能在生物医学研究中发挥积极作用，临床数据库必须包括和反映更多患者人群。通过尽可能多地将多样性纳入系统，研究结果更有可能准确和公平，反映所有社区的不同医疗需求。
Carpten博士认为，将更多样化的患者人群纳入临床试验将导致更符合现实医学的健康结果。这种方法还提高了人工智能在医疗保健中的准确性和可靠性，因为它确保用于训练人工智能模型的数据更能代表更广泛的患者群体。
解决获取途径和劳动力多样性的问题
还有其他挑战需要克服。即使识别出了特定于某些患者人群的可操作的癌症肿瘤突变，除非这些人群获得专门护理的途径也得到改善，否则这些发现对患者结果的影响将微乎其微。
Carpten博士表示，建立多元化的医疗工作队伍也非常重要，特别是在癌症研究方面。“拥有能够反映并理解他们所服务社区文化细微差别的科学家和外展合作伙伴，有助于建立信任、促进包容并增加临床试验的参与度。”他说。
“我们将一步步实现这个目标，”Carpten博士说，“正如杰西·杰克逊牧师所说，‘当所有人都被包括进来时，每个人都会赢。’”
(全文结束)
