Les algorithmes d’apprentissage automatique conçus pour diagnostiquer une infection courante affectant les femmes ont montré un biais de diagnostic parmi les groupes ethniques, ont découvert des chercheurs de l’Université de Floride.
Alors que les outils d’intelligence artificielle offrent un grand potentiel pour améliorer la prestation des soins de santé, les praticiens et les scientifiques mettent en garde contre leur risque de perpétuer les inégalités raciales. Publié vendredi dans la revue Nature Médecine numériqueil s’agit du premier article évaluant l’équité de ces outils en relation avec un problème de santé des femmes.
L’apprentissage automatique peut être un excellent outil de diagnostic médical, mais nous avons constaté qu’il peut montrer des préjugés en faveur de différents groupes ethniques. C’est alarmant pour la santé des femmes car il existe déjà des disparités qui varient selon l’origine ethnique. »
Ruogu Fang, professeur agrégé au département de génie biomédical de la famille J. Crayton Pruitt et auteur de l’étude
Les chercheurs ont évalué l’équité de l’apprentissage automatique dans le diagnostic de la vaginose bactérienne, ou VB, une maladie courante affectant les femmes en âge de procréer, qui présente des différences diagnostiques claires entre les groupes ethniques.
Fang et l’auteure co-correspondante Ivana Parker, tous deux membres du corps professoral du Herbert Wertheim College of Engineering, ont extrait les données de 400 femmes, dont 100 de chacun des groupes ethniques représentés – ; blanc, noir, asiatique et hispanique.
En étudiant la capacité de quatre modèles d’apprentissage automatique à prédire la VB chez les femmes ne présentant aucun symptôme, les chercheurs affirment que la précision variait selon les ethnies. Les femmes hispaniques ont eu le plus grand nombre de faux positifs et les femmes asiatiques ont reçu le plus de faux négatifs. Algorithme
« Les modèles ont obtenu les résultats les plus élevés chez les femmes blanches et les plus faibles chez les femmes asiatiques », a déclaré Parker, professeur adjoint de bio-ingénierie. « Cela nous indique que les méthodes d’apprentissage automatique ne traitent pas les groupes ethniques de la même manière. »
Parker a déclaré que même s’ils souhaitaient comprendre comment les outils d’IA prédisent la maladie pour des ethnies spécifiques, leur étude aide également les scientifiques médicaux à comprendre les facteurs associés aux bactéries chez les femmes de différentes origines ethniques, ce qui peut conduire à de meilleurs traitements.
La VB, l’une des infections vaginales les plus courantes, peut provoquer de l’inconfort et de la douleur et survient lorsque les niveaux naturels de bactéries sont déséquilibrés. Bien qu’il existe des symptômes associés à la VB, de nombreuses personnes ne présentent aucun symptôme, ce qui rend le diagnostic difficile.
Elle n’entraîne pas souvent de complications, mais dans certains cas, la VB peut augmenter le risque d’infections sexuellement transmissibles, de fausse couche et d’accouchement prématuré.
Les chercheurs ont déclaré que leurs résultats démontrent la nécessité de méthodes améliorées pour créer des outils d’IA afin d’atténuer les préjugés en matière de soins de santé.
