AI may help improve equity in pain treatment, MGB study shows
L’articolo discute uno studio condotto da Mass General Brigham (MGB) che ha esaminato come l’intelligenza artificiale (AI), attraverso modelli di linguaggio avanzati come GPT-4 di OpenAI e Gemini di Google, possa ridurre le disparità nel trattamento del dolore tra diversi gruppi razziali e di genere. I ricercatori hanno testato i modelli AI su 480 casi di dolore e hanno scoperto che le raccomandazioni di gestione del dolore non erano influenzate da razza o genere, suggerendo che l’AI potrebbe aiutare a eliminare i pregiudizi dei medici e migliorare l’equità nel trattamento del dolore.
GPT-4 ha valutato il dolore più spesso come “grave,” mentre Gemini ha tendenzialmente raccomandato più frequentemente l’uso di oppioidi. I risultati suggeriscono che l’AI può essere uno strumento utile per superare le percezioni soggettive sul dolore, migliorando l’equità e la qualità delle cure. Gli autori sottolineano che ulteriori studi potrebbero esplorare l’uso di AI in altre aree mediche per comprendere meglio il suo potenziale nel mitigare i bias clinici.
ARTICLE:
Looking to artificial intelligence to help address the undertreatment of pain in certain patient groups, researchers at Mass General Brigham tested whether large language models could improve race-based disparities in pain perception and prescribing.
The LLMs displayed no racial or gender discrimination and could be a helpful pain management tool that ensures equitable treatment across patient groups, MGB researchers said in an announcement Monday.
“We believe that our study adds key data showing how AI has the ability to reduce bias and improve health equity,” said Dr. Marc Succi, strategic innovation leader at Mass General Brigham Innovation and a corresponding author of the study, in a statement.
WHY IT MATTERS
Researchers at the health system instructed OpenAI’s GPT-4 and Google’s Gemini LLMs to provide a subjective pain rating and comprehensive pain management recommendation for 480 representative pain cases they had prepared.
To generate the data set, researchers used 40 cases reporting different types of pain – such as back pain, abdominal pain and headaches – and removed race and sex identifiers. They then generated all the unique combinations of race from six U.S. Centers for Disease Control race categories – American Indian or Alaska Native, Asian, Black, Hispanic or Latino, Native Hawaiian or Other Pacific Islander, and White – before randomly assigning each case male or female.
Fonte: https://hbr.org/