人工知能：医療サービスの不十分な患者集団で胸部X線写真に適用された人工知能アルゴリズムの過少診断バイアス

人工知能（AI）システムは、医療画像への適用で専門家レベルの成績を達成することがますます増えている。しかし、このようなAIシステムが人間が作り出したバイアスを反映・増幅して、女性患者や黒人患者、社会経済的地位の低い患者のような、歴史的に十分な医療サービスを受けていない集団での成績の質を低下させる可能性について懸念が高まっている。このようなバイアスは、過少診断が起きるような状況では特に厄介であり、AIアルゴリズムは疾患を持つ人を不正確に健康者と分類し、治療へのアクセスを遅らせるかもしれない。我々は、3つの大規模な胸部X線データセットと1つのマルチソース・データセット全体にわたって、胸部X線写真の病理分類でのアルゴリズムによる過少診断について調べた。最先端のコンピュータービジョン技術を用いて作られた分類法は、医療サービスの不十分な患者集団を一貫して選択的に過少診断し、過少診断率は医療サービスの不十分な交差性サブ集団（例えばヒスパニック系の女性患者）でより高いことが分かった。医療画像化法を用いるAIシステムをこのようなバイアスのリスクのある疾患診断に対して配置すると、既存のケアバイアスを悪化させる危険があり、それが医療処置へのアクセスの不平等につながる可能性が考えられ、臨床でのこのようなモデルの使用に対する倫理的な懸念が高まるだろう。