人类容易产生认知偏差，这可能会影响医疗诊断(图片来源：ArtemisDiana/Getty Images)
文章来源: theweek.com – 新闻取自各大新闻媒体，新闻内容并不代表本网立场！
潜意识偏见在医学领域很常见，因为医生和其他卫生人员都是容易犯此类错误的人类。认知偏见不一定是由负面意图造成的——它们是基于医疗专业人员的经验和观察而产生的。即便如此，它们也会导致诊断和治疗方面的问题。一些人希望人工智能能够帮助消除诊断过程中的偏见，但这项技术本身可能也无法摆脱偏见。
医学中偏见的主要类型有哪些？
在医学背景下可能出现几种认知偏差：
可得性偏差：2020 年的一项研究表明，可得性偏差是指“当事件一经想到就会发生时，往往会高估其发生的可能性”。例如，如果之前的病人对某种治疗有负面反应，那么医生就不太可能将其推荐给下一个病人，即使出现并发症的可能性很低。
确认偏差：福布斯表示，这种偏差“扭曲了我们的感知和解释，导致我们接受与我们最初信念一致的信息，并导致我们忽视所有相反的迹象”。在医学背景下，“医生在缺乏信息的情况下，会迅速形成假设，使用额外的问题、诊断测试和医疗记录信息来支持他们的第一印象”，本质上就是确认他们对问题的最初印象，即使它并不正确。
情感启发法：美国医学会伦理学杂志发表的一篇文章指出，医疗专业人员可能“受情绪反应影响，而不是理性地考虑风险和利益”。这可能“表现在医生将患者标记为‘抱怨者’，或根据以往经验对患者产生积极或消极情绪时。”
框架效应：框架效应是指一个人对信息呈现方式的不同反应。福布斯说：“患者会同意接受治愈率为 20% 的化疗方案，但当被告知失败率有 80% 时，他们会拒绝接受相同的治疗。”
自利偏见：医生可能倾向于优先考虑自己的利益而不是患者的利益。“制药和医疗器械公司积极奖励开处方和推荐其产品的医生，”福布斯说。“然而，医生们发誓，没有任何餐饮或礼物会影响他们的开处方习惯。”
偏见可以减少吗？
关于是否可以减少潜意识偏见，人们的看法不一。美国医学会伦理学杂志的文章指出：“简单地提高医生对多种认知偏见的熟悉程度——以及如何避免它们——可能是减少偏见相关错误的最佳策略之一。”在医学院，重点教育学生有关潜在偏见的知识可以降低偏见程度。“反思的实践可以强化在复杂情况下减少偏见的行为。”
然而，减少偏见可能说起来容易做起来难。在高压力的情况下，识别偏见变得更加困难。2024 年发表在《学术急诊医学》杂志上的一项研究表明，即使医疗专业人员拥有丰富的知识和识别偏见的培训，“当测试它们对减少诊断错误的影响时，它们被证明是无效的，无论它们应用于哪个专业和培训水平如何。 ”
人工智能能帮忙吗？
一些专家对人工智能的诊断能力充满希望。福布斯说：“未来几代生成式人工智能将使用来自人们电子健康记录的数据进行预训练，并输入有关认知偏差的信息，能够在出现此类错误时发现它们。”虽然人工智能模型具有潜力，但它是用人类数据进行训练的。正因为如此，偏见很容易进入模型。
《新英格兰医学杂志》发表的一项研究指出，“生成式人工智能模型表现出与人类相似的认知偏见”，而且“偏见的程度可能比在执业临床医生身上观察到的要大”。该研究的共同作者唐纳德·雷德梅尔博士说，它们可能“特别容易在医学领域产生偏见”，因为这是一个“不确定性和复杂性普遍存在”的领域。随着进一步的发展，可以增加针对认知偏见的保护措施。
另一个担忧是，人工智能不仅仅表现出认知偏见。人工智能模型，尤其是与健康和医学相关的模型，也表现出性别和种族偏见，因为用于训练它的医疗数据在很大程度上排除了女性和有色人种。“当我们谈论‘人工智能中的偏见’时，我们必须记住，计算机会向我们学习，”耶鲁大学医学院放射学和生物医学成像副教授迈克尔·乔玛 (Michael Choma) 说。“偏见是人类的问题。”