Il database AEQUITAS è il risultato tecnologico centrale del progetto AEQUITAS. Si tratta di un archivio digitale strutturato, progettato per raccogliere, organizzare e rendere accessibili in modo sistematico le evidenze relative ai pregiudizi di genere e razziali nell’intelligenza artificiale biomedica. Il database trasforma le informazioni disperse ed eterogenee sui pregiudizi nell’IA biomedica in una base di conoscenze coerente e accessibile, a sostegno della consapevolezza clinica, delle attività di ricerca e dello sviluppo delle politiche.
Il database è accessibile al pubblico tramite il sito web ufficiale del progetto AEQUITAS (https://aequitasproject.eu/), in particolare nella sezione “Risultati”. È stato realizzato con un approccio orientato all’utente, garantendo che sia gli utenti con competenze tecniche sia quelli senza possano interagire efficacemente con il sistema.
Immagine 1: Il Database AEQUITAS, come appare nella sezione Risultati del sito-web
il database è stato sviluppato sulla base dei risultati del deliverable 2.1, il rapporto sui bias di aequitas. Le analisi, le classificazioni e le evidenze identificate in tale rapporto sono servite come base per strutturare , i contenuti del database e definire le categorie di bias incluse nella piattaforma.
Il database AEQUITAS è progettato per soddisfare le esigenze di diversi gruppi di utenti, ciascuno con esigenze diverse ma complementari:
Per gli operatori sanitari (voi), il database costituisce una risorsa per:
Identificare potenziali pregiudizi negli strumenti diagnostici e di supporto decisionale basati sull’IA utilizzati in ambito clinico
Migliorare la consapevolezza clinica e ottimizzare l’assistenza incentrata sul paziente
Ridurre il rischio di diagnosi errate e trattamenti inappropriati derivanti da risultati distorti dell’IA
Per le organizzazioni della società civile, il database consente di:
Sensibilizzare sulle disuguaglianze nell’assistenza sanitaria guidata dall’IA
La promozione di sistemi sanitari equi e inclusivi
Il sostegno alla tutela dei diritti fondamentali nei contesti della sanità digitale
Per i ricercatori e i responsabili politici, il database favorisce:
Ulteriori indagini scientifiche sui pregiudizi nell’IA biomedica
Lo sviluppo di linee guida e standard clinici
La supervisione normativa e la formulazione di politiche a livello europeo
Una volta effettuato l’accesso, troverai il database presentato in un chiaro formato tabellare. Ogni riga corrisponde a un caso documentato di bias in un’applicazione di IA biomedica. Gli utenti possono visualizzare informazioni dettagliate quali il titolo dello studio, la fonte e gli autori, l’area patologica, il tipo di fonte, l’ambito di applicazione (ad es. diagnosi, previsione del rischio), il tipo di pregiudizio identificato e una breve descrizione che riassume i risultati. Il database fornisce inoltre informazioni sui gruppi di popolazione interessati (ad es. genere e/o etnia), consentendo di comprendere meglio la distribuzione e l’impatto dei pregiudizi in contesti diversi.
Inoltre, l’interfaccia include funzionalità di ordinamento e filtraggio, che consentono di navigare in modo efficiente nel set di dati e di condurre un’esplorazione mirata sulla base di criteri specifici.
Immagine 3: L’interfaccia principale del database AEQUITAS, che mostra l’elenco tabellare delle voci e la funzionalità «Filtra per bias»
Ogni record del database contiene i seguenti campi:
Copertura multilingue: le fonti incluse nel database non si limitano alle pubblicazioni in lingua inglese. Al fine di garantire una copertura più ampia e l’inclusività, i partner del progetto hanno incorporato anche fonti rilevanti nelle rispettive lingue nazionali, raccogliendo evidenze specifiche del contesto che potrebbero non essere disponibili nella letteratura internazionale. Le informazioni chiave provenienti da tutte le fonti sono state standardizzate in un formato coerente per garantire l’accessibilità a tutti gli utenti.
Cliccando su qualsiasi voce del database si apre una vista dettagliata con tutte le informazioni registrate relative a quel caso. Ciò consente di leggere una breve descrizione del bias identificato, comprenderne il contesto clinico e valutarne la rilevanza per la propria pratica.
Figura 4: Esempio di vista dettagliata di una voce con un caso di studio sull’equità nelle previsioni basate sull’apprendimento automatico relative alle riammissioni di pazienti diabetici, che mostra i bias di rappresentazione, apprendimento e valutazione che interessano i pazienti afroamericani e ispanici.
L’esempio sopra riportato illustra come funziona il database nella pratica. La voce documenta uno studio che ha messo a confronto diversi modelli di apprendimento automatico per la previsione delle riammissioni ospedaliere tra i pazienti diabetici. Lo studio ha rilevato che, mentre alcuni modelli hanno ottenuto prestazioni eque tra i diversi gruppi di genere, sono persistite disparità per i pazienti afroamericani e ispanici, che hanno registrato tassi di falsi positivi più elevati. Questo tipo di informazioni strutturate e basate su prove scientifiche è esattamente ciò che il database è progettato per mettere in evidenza, rendendo più facile per voi identificare quali strumenti di IA nel vostro ambito possano comportare rischi di bias e per quali popolazioni di pazienti.
Il database AEQUITAS è concepito non solo come strumento di ricerca, ma anche come risorsa pratica per il processo decisionale clinico e la sensibilizzazione. Ecco alcuni modi in cui potete integrarlo nella vostra pratica quotidiana:
Prima di adottare un nuovo strumento di IA: effettuate una ricerca nel database per individuare voci relative all’area patologica e all’ambito di applicazione dello strumento. Verificate se sono stati documentati casi di parzialità in strumenti simili e per quali popolazioni di pazienti. Utilizzate queste informazioni per formulare domande mirate durante la fase di acquisto o quando sollevate dubbi con la vostra struttura.
Quando si utilizza uno strumento diagnostico o di supporto decisionale assistito dall’IA: se notate risultati che sembrano incoerenti o inaspettati per specifici gruppi di pazienti, consultate il database per verificare se sono stati documentati modelli simili. Questo può aiutarvi a determinare se ciò che state osservando possa essere un modello di bias noto piuttosto che un’anomalia isolata.
Quando si assistono pazienti appartenenti a gruppi sottorappresentati: utilizzate il database per verificare se gli strumenti di IA coinvolti nella loro assistenza presentano disparità di prestazioni documentate relative al loro genere, alla loro razza o al loro gruppo etnico. Questa consapevolezza può favorire un giudizio clinico più informato e aiutarvi a difendere gli interessi dei vostri pazienti.
Per lo sviluppo professionale continuo: il database è una risorsa in continua evoluzione che verrà aggiornata man mano che saranno disponibili nuove evidenze. Consultarlo periodicamente può aiutarvi a rimanere informati sui risultati emergenti relativi ai pregiudizi nelle applicazioni di IA rilevanti per la vostra specialità.
Messaggio chiave: il database AEQUITAS non è solo uno strumento di ricerca, ma una risorsa pratica pensata per la
vostra pratica clinica. Utilizzatelo prima di adottare un nuovo strumento di IA, quando osservate risultati inaspettati
e quando vi prendete cura di pazienti appartenenti a gruppi sottorappresentati. Più gli operatori sanitari lo utilizzano, più diventa utile per tutti.
Consigli e suggerimenti:
Il database è concepito come uno strumento dinamico e in continua evoluzione. Verranno aggiunte nuove voci man mano che saranno disponibili ulteriori evidenze, pertanto vale la pena consultarlo regolarmente, in particolare quando gli strumenti di IA nel vostro ambito clinico vengono aggiornati o introdotti di recente.
La funzionalità di filtro (visibile nella Figura 3) consente di restringere i risultati in base al tipo di bias. Come punto di partenza, provate a filtrare in base ai tipi di bias più rilevanti per la vostra specialità, ad esempio il bias di rappresentazione per gli strumenti cardiovascolari o il bias di misurazione per lo screening della depressione.
Il database include fonti in diverse lingue europee. Se state cercando evidenze specifiche per il vostro contesto nazionale, le voci provenienti dall’istituzione partner del vostro paese potrebbero essere particolarmente rilevanti.
Il database integra il Dossier sul sistema di IA e il registro di vigilanza sull’IA presentati nel Modulo 5. Se si documenta un incidente nel registro di vigilanza, la verifica nel database di casi simili già documentati può aiutare a contestualizzare il riscontro e supportare la risposta di governance della propria istituzione.
Ora che avete completato tutti e sei i moduli della formazione AEQUITAS, disponete delle conoscenze necessarie per comprendere come funziona l’IA in ambito sanitario, riconoscere i tipi e le conseguenze dei pregiudizi di genere e razziali, orientarvi nel panorama etico e giuridico e utilizzare gli strumenti pratici sviluppati dal progetto AEQUITAS (il database e il modello normativo) nella vostra pratica quotidiana.
Il passo successivo consiste nell’applicare queste conoscenze: nelle sessioni pratiche avrete l’opportunità di esplorare potenziali scenari reali, discutere casi di studio e mettere in pratica gli strumenti che avete appreso.
Come parte di questo progetto finanziato dall'Unione europea, vi chiederemo di compilare un breve questionario realizzato dalla Commissione europea: EU Survey on Justice, Rights and Values. Il questionario raccoglie il feedback dei partecipanti ai progetti finanziati dal programma CERV, come AEQUITAS, contribuendo a valutarne l'impatto e a migliorare le future iniziative in tutta Europa.
Potete consultare il questionario qui: EU Survey on Justice, Rights and Values.
⚠️ Vi chiediamo di attendere a compilarlo fino al termine della sessione formativa dal vivo. In quel momento condivideremo nuovamente il link, così che il vostro feedback possa riflettere l'intera esperienza di formazione.