AI模型在社交媒体上检测黑人抑郁症方面不准确

雅加达 - 一项研究强调了在没有来自不同种族和种族群体的数据的情况下,将人工智能模型用于健康相关任务的风险。研究发现,人工智能模型可以在白人美国人中检测到抑郁症信号,但不在黑人同胞中。这是一项研究报告,强调了在没有来自不同种族和种族群体的数据的情况下为健康相关任务培训人工智能模型的风险。

研究中使用的人工智能模型在应用于使用Meta Platforms社交媒体的黑人时,对抑郁症的预测能力低于三倍,Facebook。

“Ras似乎被忽视了,特别是在对语言心理疾病评估的研究中,”美国研究的作者在国家科学学院Prosiding的PNAS发表的一份报告中写道。

以前对社交媒体帖子的研究表明,经常使用第一人称代词的人,如我或我,以及某些类别的单词,如自卑的术语,患抑郁症的风险更高。

在这项新研究中,研究人员使用人为智力工具“准备就绪”,分析了868名志愿者的送货语言,其中包括具有其他特征(如年龄和性别)的黑白成年人的相同数量。

所有参与者还填写了卫生保健提供者用来筛查抑郁症的经过验证的问卷。

使用“我-我-说话”或关注以自己为中心,并贬低自己,批评自己和感觉就像一个非同寻常的人,完全与白人个体的抑郁症有关,该研究的作者之一,彭森医学州洞察力中心的Sharath Chandra Guntuku说。

「我们感到震惊的是,以前许多研究中发现的语言代言不适用于每个人,”Guntuku说。

Guntuku承认,社交媒体数据不能用来诊断患有抑郁症的患者,但可以用来评估个体或群体的风险。

他团队之前的一项研究分析了社交媒体帖子中的语言,以评估COVID-19大流行期间的人民心理健康。

“在物质滥用障碍患者中,社交媒体上显示抑郁症的语言已被证明可以提供有关中断治疗和复发可能性的见解,”美国国家卫生研究所国家药物滥用研究所Brenda Curtis说,他也参与了这项研究。