NIH、健康格差研究のためのAIツール開発に資金提供

2024 年 4 月 1 日 – ジョージ ワシントン大学 (GW) 医学健康科学部 (SMHS) とメリーランド大学イースタン ショア大学 (UMES) は、 受賞 これは、健康の公平性を向上させるための人工知能 (AI) ツールの開発を促進するための 2 年間の 839,000 ドルの国立衛生研究所 (NIH) の補助金です。

「資源不足地域における健康格差に対処する信頼できる AI」（AI-FOR-U）として知られるこのプロジェクトは、最前線の医療従事者を支援できる AI ツールを構築するための「理論に基づいた参加型開発アプローチ」の設計に焦点を当てています。サービスを提供するコミュニティ内の格差に対処します。

プロジェクトの期間中、研究チームはリスク予測モデルの説明可能性と公平性を高めるために設計された AI および機械学習ツールの開発と実装に取り組みます。 これらのツールは、行動の健康、心血管代謝疾患、腫瘍学の観点から評価されます。 そこから、研究者はツールに対するユーザーの信頼を測定します。

「私たちは理論に基づいたコミュニティとの関わりを、ツール開発における信頼強化アルゴリズムのアプリケーションとテストと組み合わせます」と、臨床研究およびリーダーシップの教授であり、GW の生物医療情報センター (BIC) の所長であり、共同研究者でもある Qing Zeng 博士は説明しました。ワシントンDC退役軍人医療センターのデータサイエンスアウトカムリサーチディレクター、とニュースリリースで述べた。 「臨床ユースケースの結果は、パートナーや利害関係者によって推進され、選択されます。 プロジェクトの準備において、いくつかのリスク予測モデルがパートナーにとって共通の最優先事項として浮上しました。」

研究チームは、メリーランド州、バージニア州、ワシントン DC のラテン系、黒人、LGBTQ+、移民、および社会経済的地位の低いコミュニティにサービスを提供する 7 つのコミュニティ パートナー (バージニア州アレキサンドリア市公立学校、アップル ディスカウント ドラッグ、中国系アメリカ人組織) と協力します。ワシントン DC、セント エリザベス病院、ユニティ ヘルスケア、バージニア州立大学、ホイットマン ウォーカー ヘルス。

これらの組織は、コミュニティ調査、フォーカス グループ、インタビューに参加して、プロジェクトの AI ツールに関するフィードバックを提供します。

「医療における人工知能の導入を継続することは、患者の治療法と多くの差し迫った問題に対する解決策の開発の両方に大きな影響を与えるでしょう」とUMES学部長兼教授のT・ショーン・バサイティス博士は述べた。薬局および医療専門職の。 「私たちは、これらのテクノロジーに内在する大きな利益の可能性を認識していますが、AI の使用によって医療の不公平が拡大したり、代表的ではないデータセットに依存して不適切な患者ケアにつながったりしないようにする責任があることも理解しています。 さらに、AI が応答を生成する方法と理由について、AI ユーザーの理解を向上させる必要があります。 答えを信頼できる必要があり、その答えがどの程度正確であるかを判断する方法が必要です。 AI-FOR-U プロジェクトは、十分なサービスを受けられず過小評価されている医療従事者のニーズを満たす信頼できる AI アプリケーションを作成することで、これらの懸念に対処するように設計されています。」

この研究は、健康の公平性と研究者の多様性を推進するための人工知能/機械学習コンソーシアム (AIM-AHEAD) と NIH が主導し、健康の公平性の観点から信頼できる AI 開発の問題に取り組む大規模な取り組みの一部です。

この研究は、GWのヘルスケアAI開発の経験とUMESの健康格差研究の専門知識を活用することを目的としている。

AI-FOR-U プロジェクトの立ち上げは、多くの AI モデルが非白人集団に対してうまく機能しないことを示す研究が増えている中で行われた。

ペンシルバニア大学フィラデルフィア校と国立薬物乱用研究所（NIDA）の研究チームは最近、 見つかった 個人のソーシャルメディア投稿の言葉を使ってうつ病の重症度を予測するAIモデルは、アメリカの白人には一般化できるかもしれないが、黒人には一般化できないという。

この研究は、うつ病と言語使用には相関性があり、年齢や性別などの人口統計的特徴が言語使用に大きな影響を与えるという証拠に基づいています。 しかし、言語とうつ病の潜在的な関係、および言語が人種によってどのように影響を受けるかについての研究は限られています。

これに対処するために、研究者らは AI を使用してうつ病と言語の関連性に対する人種の影響を評価しました。 分析の結果、これらのモデルは黒人よりも白人の参加者の方がはるかに優れたパフォーマンスを発揮することが明らかになり、多様なグループにわたる自然言語の表現におけるうつ病の役割についての追加研究の必要性が強調されました。