AI Bias in Healthcare: Using ImpactPro as a Case Study for Healthcare Practitioners’ Duties to Engage in Anti-Bias Measures

Auteurs-es

  • Samantha Lynne Sargent Department of Philosophy, University of Waterloo, Waterloo, Canada

DOI :

https://doi.org/10.7202/1077639ar

Mots-clés :

intelligence artificielle, apprentissage automatique, préjugés, préjugés implicites, racisme, ImpactPro

Langue(s) :

Anglais

Résumé

L’introduction d’ImpactPro pour identifier les patients ayant des besoins de santé complexes suggère que les préjugés actuels et les impacts des préjugés dans les IA de soins de santé proviennent de pratiques historiquement biaisées menant à des ensembles de données biaisés, d’un manque de supervision, ainsi que de préjugés chez les praticiens qui supervisent les IA. Afin d’améliorer ces résultats, les praticiens de la santé doivent adopter les meilleures pratiques actuelles en matière de formation à la lutte contre les préjugés.

Open issue, (c) Han Han Li

Téléchargements

Publié

2021-06-01

Comment citer

[1]
Sargent SL. AI Bias in Healthcare: Using ImpactPro as a Case Study for Healthcare Practitioners’ Duties to Engage in Anti-Bias Measures. Can. J. Bioeth 2021;4:112-6. https://doi.org/10.7202/1077639ar.

Numéro

Vol. 4 No. 1 (2021): Numéro hors-thème

Rubrique

Commentaires critiques

Licence

© Samantha Lynne Sargent 2021

Licence Creative Commons

Cette œuvre est sous licence Creative Commons Attribution 4.0 International.

La Revue canadienne de bioéthique applique la Creative Commons Attribution 4.0 International License à toutes ses publications. Les auteurs conserveront leur droit d'auteur sur leur publication et ils pourront, par exemple, réutiliser leur publication, mettre un lien sur leur page d'accueil ou site web institutionnel, ou déposer un fichier PDF dans un dépôt public. Toutefois, les auteurs permettent à quiconque de télécharger, réutiliser, réimprimer, modifier, distribuer, ou copier leur publication, tant que les auteurs originaux et les sources sont cités.