El Dr. Ivor Horn, director de Equidad en Salud de Google Health, presentó el enfoque de Google sobre la equidad sanitaria y la inteligencia artificial.
La inteligencia artificial (IA) tiene el potencial de transformar la atención médica, pero es esencial que también funcione para cerrar brechas en el acceso a la salud sin que nadie quede atrás. Recientemente el Dr. Ivor Horn, director de Equidad en Salud de Google Health, detalló cuatro estrategias fundamentales para incorporar la equidad en la IA en el campo de la salud.
El Dr. Horn comparte sus experiencias personales en el sistema de salud y explica su compromiso con brindar atención médica de calidad y con dignidad para todos. Como director de Equidad en Salud en Google Health, destaca el papel fundamental de la IA en la identificación y abordaje de sesgos existentes en la atención médica y en la promoción de la equidad en la salud. Sin embargo, advierte que, si no se aborda de manera responsable, la IA también podría hacer más evidentes las desigualdades.
1.- Enfoque fundacional en investigación de equidad
El primer enfoque clave según el Dr. Horn, es la integración de enfoques fundamentales de equidad en la investigación de IA en salud. Esto significa comprender las experiencias de comunidades históricamente marginadas y considerar factores sociales como la cultura, la historia y las circunstancias económicas al diseñar soluciones. Un ejemplo de este enfoque es la creación de características de cámara basadas en IA que funcionan para una variedad de tonos de piel, mejorando la equidad en la tecnología al evitar sesgos de raza o etnia.
2.- Priorizar la representación diversa en los datos
Una de las limitaciones histórica en la investigación médica ha sido la falta de diversidad en los datos e investigación clínica ya que a menudo se excluyen a las comunidades marginadas. En este sentido, Google Health ha realizado diversos esfuerzos para garantizar que la recopilación y curación de datos persiguen objetivos de inclusión y equidad. Además, reflexionan sobre el desarrollo y la evaluación de modelos, considerando qué datos se utilizan y cómo se evalúa su rendimiento.
3.- Considerar la equidad en casos de uso en el mundo real
Por otro lado, para evitar el riesgo de daños y sesgos en poblaciones históricamente marginadas, es importante considerar cómo se utilizará un sistema de IA en la práctica. Al Es necesario evaluar los modelos de lenguaje en casos de uso del mundo real, que reflejen las experiencias de las poblaciones marginadas, Google Health lo considera un elemento importante para reducir estos problemas y promover la equidad.
4.- Fomentar la colaboración inclusiva
De igual manera, al reconocer que factores sociales como el lugar de residencia, trabajo y educación pueden afectar la salud, Google Health busca colaborar con expertos en diversas áreas, como ciencias sociales, políticas y educación. A través de asociaciones con el Equitable AI Research Roundtable o Programa de Investigación de IA Equitativa y el equipo de IA Responsable de Google, han adoptado un enfoque multidisciplinario para comprender el impacto de la IA en las comunidades marginadas.
El trabajo de Google Health en la intersección de la IA y la equidad en salud se encuentra en un constante desarrollo que requiere responsabilidad y transparencia. Estos enfoques se centran en poblaciones marginadas para construir soluciones que promuevan una atención médica más equitativa y aborden soluciones a los sesgos históricos que aún permanecen. Asimismo, el Dr. Horn detalla que, la velocidad no es la prioridad, sino la corrección de los problemas.
