Table ronde sur la garantie d’éthique et d’équité

L’Alliance nationale contre les disparités en matière de santé des patients (NADPH) présente une table ronde sur le thème de l’intégration de l’éthique et de l’équité dans l’infrastructure de l’intelligence artificielle (IA) et de l’apprentissage automatique (ML). La discussion du groupe d’experts est publiée dans la revue à comité de lecture Big Data. Cliquez ici pour lire l’article maintenant.

Modérer la table ronde est Angel Simmons, MSHE, Directeur des Opérations de NADPH. Les panélistes d’experts comprennent Rachele Hendricks-Sturrup, DHSc, Directeur de la gouvernance des données et directeur de projet, NADPH, Gabriella Eauxdirecteur de la recherche et des opérations, Center for Equitable AI and Machine Learning Systems, directeur du Cognitive and Neurodiversity AI Lab, Morgan State University, Laurie Novak, Ph.D.professeur agrégé d’informatique biomédicale et directeur du Centre d’excellence en IA appliquée, Centre médical de l’Université Vanderbilt, Martin étaient, MDprofesseur d’informatique biomédicale et de médecine et vice-président de la diversité, de l’équité et de l’inclusion, centre médical de l’université Vanderbilt, et Sajid Hussain, Ph.D.Provost associé pour la recherche, Université Fisk.

Les participants ont discuté des types de données probantes ou de cas d’utilisation qui pourraient soutenir l’élaboration de principes ou de normes éthiques pour guider le développement et la mise en œuvre d’infrastructures d’IA/ML dans les contextes de recherche en santé. Ils ont également examiné les impératifs éthiques auxquels les ingénieurs d’infrastructure IA/ML et les concepteurs de systèmes devraient adhérer. Mme Simmons a demandé aux participants de décrire comment les thèmes éthiques présents dans la littérature actuelle sur la conception de systèmes d’ingénierie s’appliquent ou ne s’appliquent pas à la portée et à la pratique de l’ingénierie et de la conception de systèmes IA/ML.

Big Data Éditeur en chef Zoran Obradovic, PhD, Le professeur Carnell d’analyse de données, Temple University, Philadelphie, Pennsylvanie, déclare : « Un outil basé sur l’intelligence artificielle pourrait potentiellement améliorer considérablement la qualité des soins aux patients. Cependant, le déploiement de cette technologie nécessite l’élaboration de protocoles d’orientation clairs pour des applications sûres et éthiques de l’intelligence artificielle dans les soins de santé. Les défis connexes discutés lors de cette table ronde du point de vue du Big Data devraient être pris en compte lors du développement et du déploiement de tels logiciels dans la pratique clinique.

À propos de la revue
Big Data, publié bimensuellement en ligne avec des options d’accès libre et sous forme imprimée, facilite et soutient les efforts des chercheurs, des analystes, des statisticiens, des chefs d’entreprise et des décideurs politiques pour améliorer les opérations, la rentabilité et les communications au sein de leurs organisations. Couvrant un large éventail de disciplines axées sur les nouvelles technologies, politiques et innovations du Big Data, la revue à comité de lecture rassemble la communauté pour relever les défis et découvrir de nouvelles percées et tendances qui se cachent dans ces informations. Des tables des matières complètes et un exemple de numéro peuvent être consultés sur le Big Data site web.

À propos de l’éditeur
Mary Ann Liebert, Inc. est une société médiatique mondiale dédiée à la création, à l’organisation et à la fourniture de services de recherche et de contenu faisant autorité, évalués par des pairs, pour faire progresser les domaines de la biotechnologie et des sciences de la vie, de la médecine clinique spécialisée, ainsi que de la santé et des politiques publiques. Pour des informations complètes, veuillez visiter le Mary Ann Liebert, Inc. site web.

Clause de non-responsabilité: AAAS et EurekAlert! ne sommes pas responsables de l’exactitude des communiqués de presse publiés sur EurekAlert! par les institutions contributrices ou pour l’utilisation de toute information via le système EurekAlert.