人工智能如何帮助检测急诊医学中的偏见
人类认知偏见在急诊等需要快速决策的场景中尤其显著。波尔多大学医院急诊科研究人员测试了生成式人工智能技术，使用48万条患者记录进行训练。发表于温哥华健康机器学习研讨会并刊登在《机器学习研究进展》的研究显示，该AI能有效检测分诊过程中医护人员对患者性别的偏见，为识别和理解人类认知偏见提供了新方法。
在急诊快速决策环境中，"判断性偏见"等认知偏差会严重影响医疗决策和患者预后。这种认知捷径常发生于医护人员需要根据不完整或过度概括的信息进行判断时，可能导致对患者病情（如性别、年龄、种族相关因素）的错误评估。波尔多人口健康研究中心的埃马纽埃尔·拉加德团队创新性地采用大语言模型（LLMs），通过分析急诊分诊医疗记录文本，成功再现并量化了护理人员的性别偏见。
该研究采用独特方法：用48万条波尔多大学医院急诊科2013-2021年间的数据训练AI模型。模型先根据真实医疗记录分配分诊评分，随后通过改变患者性别指代文本生成对比评分。结果显示，相同临床记录下女性患者病情被低估的概率比男性高5%（1.81%被归类为"更紧急"），而男性患者则出现3.7%的高估（2.9%被归类为"更紧急"）。这种偏见程度与护理人员的经验水平呈负相关。
"这项研究展示了LLMs如何帮助检测和预判人类认知偏见，目标是实现更公平有效的急诊管理。"拉加德解释道。博士生阿里尔·瓜达表示，该方法证明LLMs能通过临床数据识别指导人类决策的偏见。研究团队下一步将探索年龄、族群等其他患者特征的偏见评估，未来可能整合面部表情、语气等非语言变量。
【全文结束】
