مدلهای هوش مصنوعی گاهی در تشخیص بیماری برای گروههای مختلف جمعیتی (مثلاً بر اساس نژاد یا جنسیت) عملکرد متفاوتی دارند که میتواند چالشبرانگیز باشد. حالا محققان چارچوب جدیدی به نام CIPHER را معرفی کردهاند که این مشکل را ریشهیابی میکند.
این مدل با استفاده از دانش «مدلسازی علی» (Causal Modeling) و تکنیکهای پیشرفته انتشار (Diffusion)، مسیرهای تاثیرگذاری ویژگیهای حساس بر نتایج تشخیص را شناسایی و اصلاح میکند. نتیجه این کار، کاهش ۳۵.۸ درصدی خطاها و نابرابری در تشخیصهای پزشکی است.
این یعنی در آینده، هوش مصنوعی با دقت و انصاف بیشتری برای همه انسانها تشخیص بیماری انجام خواهد داد. 🩺✨
منبع: arXiv Computer Vision