Investigadores de Harvard han identificado sesgos en modelos de inteligencia artificial para diagnóstico de cáncer, afectando su precisión según género y raza. Para abordarlo, han desarrollado FAIR-Path, logrando reducir estas deficiencias diagnósticas en un 88%.
Investigadores revelan sesgos en IA para diagnóstico de cáncer y presentan una solución
El uso de la para analizar muestras patológicas ha supuesto un gran avance para el diagnóstico del cáncer en los últimos tiempos. Ahora, un grupo de investigadores ha descubierto sesgos que pueden disminuir la eficacia de estos modelos y ha inventado una herramienta para superarlos.
Al analizar los cuatro modelos más populares de análisis patológico con IA diseñados para diagnosticar el cáncer, los investigadores encontraron un rendimiento desigual en la detección y diferenciación de cánceres en función del género, la raza y la edad.
“Para un patólogo humano, observar una muestra de tejido rosado salpicada de células moradas es como calificar un examen sin nombre: la diapositiva revela información esencial sobre la enfermedad sin proporcionar otros detalles sobre el paciente. Nos sorprendió que la IA si lograra hacerlo”, explica uno de los autores, Kun-Hsing Yu, investigador en informática biomédica y patología en Harvard y en el Hospital Brigham and Women´s de Boston.
Leer la nota completa en Diario ABC
