به گزارش خبرنگار مهر؛ پیشرفتهای سریع در کاربردهای پزشکی هوش مصنوعی، این امید را تقویت کرده است که فرایند تشخیص سرطان دقیقتر، سریعتر و همگنتر شود. ایده اصلی این است که مدلهای یادگیری عمیق با مشاهده الگوهای میکروسکوپی در تصاویر پاتولوژی، بتوانند طبقهبندیهای پیچیده را انجام دهند و در کنار متخصصان، خطای انسانی را کاهش دهند.
با این حال، پژوهشهای علمی نشان میدهند که همین توانمندی فوقالعاده در استخراج سیگنالهای پنهان، میتواند به یک مسیر انحرافی تبدیل شود. مسیری که در آن مدل، دادههای جمعیت شناختی مانند سن، جنسیت و نژاد را از خود تصویر استخراج میکند و سپس همان متغیرها را به صورت ناخواسته به ستون فقرات تحلیل بافت تبدیل میکند. نتیجه، شکاف در عملکرد و بازتولید تبعیض در یکی از حساسترین نقاط زنجیره درمان است.