Kas yra AEQUITAS duomenų bazė?

AEQUITAS duomenų bazė yra pagrindinis AEQUITAS projekto technologinis produktas. Tai struktūruota skaitmeninė duomenų bazė, sukurta sistemingai kaupti, tvarkyti ir teikti prieigą prie mokslinių įrodymų apie lyčių ir rasinį šališkumą biomedicininiame dirbtiniame intelekte. Ji sujungia išskaidytą ir nevienalytę informaciją apie šališkumą biomedicininiame DI į nuoseklią ir lengvai prieinamą žinių bazę, padedančią stiprinti klinikinę praktiką, vykdyti mokslinius tyrimus ir formuoti politiką.

Duomenų bazė yra viešai prieinama oficialioje AEQUITAS projekto interneto svetainėje (https://aequitasproject.eu/), skiltyje „Rezultatai“. Ji sukurta orientuojantis į naudotojų poreikius, todėl ja gali patogiai naudotis tiek techninių, tiek netechninių sričių naudotojai.

Puslapis prieinamas tiek anglų, tiek lietuvių kalbomis.

Kam ši duomenų bazė skirta?

AEQUITAS duomenų bazė sukurta taip, kad būtų naudinga skirtingoms vartotojų grupėms, kurių poreikiai yra skirtingi, tačiau papildantys vienas kitą.

Sveikatos priežiūros specialistams, duomenų bazė suteikia galimybę:

• nustatyti galimą šališkumą klinikinėje praktikoje naudojamose DI sistemomis grindžiamose diagnostikos ir klinikinių sprendimų palaikymo priemonėse;

• gerinti informuotumą apie DI sistemų ribotumus ir stiprinti į pacientą orientuotą sveikatos priežiūrą;

• mažinti klaidingos diagnozės ar netinkamo gydymo riziką, kuri gali kilti dėl šališkų DI sistemų rezultatų.

Pilietinės visuomenės organizacijoms, duomenų bazė suteikia galimybę:

• didinti informuotumą apie nelygybę, susijusią su DI sistemų taikymu sveikatos priežiūroje;

• stiprinti advokaciją už teisingą ir įtraukią sveikatos priežiūros sistemą;

• prisidėti prie pagrindinių teisių apsaugos skaitmeninės sveikatos priežiūros srityje.

Tyrėjams ir politikos formuotojams duomenų bazė padeda:

• vykdyti tolesnius mokslinius tyrimus apie šališkumą biomedicininiame dirbtiniame intelekte;

• rengti gaires ir nuostatus;

• stiprinti reguliacinę priežiūrą ir formuoti Europos Sąjungos lygmens politiką.

Naršymas duomenų bazėje

Prisijungę prie duomenų bazės matysite lentelę, kurios eilutėse užregistruota po vieną šališkumo atvejį biomedicininio dirbtinio intelekto taikymo srityje. Vartotojai gali peržiūrėti išsamią informaciją apie kiekvieną įrašą, įskaitant tyrimo pavadinimą, šaltinį ir autorius, ligos sritį, šaltinio tipą, taikymo sritį (pvz., diagnostika ar rizikos prognozavimas), nustatyto šališkumo tipą ir trumpą tyrimo rezultatų aprašymą. Duomenų bazėje taip pat pateikiama informacija apie paveiktas gyventojų grupes (pvz., pagal lytį ir (arba) rasę), padedanti geriau suprasti, kaip šališkumas pasireiškia ir kokį poveikį daro skirtinguose kontekstuose.

Be to, lentelėje yra rūšiavimo ir filtravimo funkcijos, leidžiančios efektyviai naršyti duomenų bazėje ir atlikti tikslinę paiešką pagal pasirinktus kriterijus.

Kiekviename duomenų bazės įraše pateikiama ši informacija:

Kaip suprasti duomenų bazės įrašą

Spustelėjus bet kurį duomenų bazės įrašą, atveriamas išsamus jo aprašymas su visa apie šį atvejį sukaupta informacija. Tai leidžia susipažinti su trumpu nustatyto šališkumo aprašymu, suprasti jo klinikinį kontekstą ir įvertinti jo reikšmę jūsų klinikinei praktikai.

Paveikslėlyje pateiktas pavyzdys parodo, kaip duomenų bazė veikia praktikoje. Šiame įraše aprašomas tyrimas, kuriame buvo lyginami keli mašininio mokymosi modeliai, skirti prognozuoti pacientų, sergančių diabetu, pakartotinės hospitalizacijos riziką. Tyrimas parodė, kad nors kai kurie modeliai veikė vienodai tiksliai abiejų lyčių pacientams, afroamerikiečių ir ispanų kilmės pacientams išliko reikšmingų skirtumų – jiems dažniau buvo pateikiamos klaidingai teigiamos prognozės.

Būtent tokią struktūruotą, moksliniais įrodymais pagrįstą informaciją ir siekiama pateikti AEQUITAS duomenų bazėje. Ji padeda lengviau nustatyti, kurios jūsų profesinėje srityje naudojamos DI sistemos gali būti susijusios su šališkumo rizika ir kokioms pacientų grupėms ši rizika gali būti didžiausia.

Duomenų bazės naudojimas kasdienėje praktikoje

AEQUITAS duomenų bazė sukurta ne tik kaip mokslinių tyrimų priemonė, bet ir kaip praktinis įrankis, padedantis priimti klinikinius sprendimus ir geriau suprasti galimą DI sistemų šališkumą. Toliau pateikiami keli pavyzdžiai, kaip ją galite naudoti kasdienėje praktikoje:

• Prieš pradedant naudoti naują DI sistemą: duomenų bazėje ieškokite įrašų, susijusių su konkrečia ligos sritimi ir numatoma DI sistemos paskirtimi. Patikrinkite, ar panašiose DI sistemose jau buvo nustatytas šališkumas ir kokias pacientų grupes jis paveikė. Šią informaciją galite panaudoti užduodami klausimus viešųjų pirkimų metu arba aptardami galimas rizikas su savo sveikatos priežiūros įstaiga.

• Naudojant DI sistemomis grindžiamas diagnostikos ar klinikinių sprendimų palaikymo priemones: Jei pastebite, kad tam tikrų pacientų grupių atžvilgiu DI sistemos rezultatai atrodo nenuoseklūs arba netikėti, pasitikrinkite duomenų bazėje, ar panašūs atvejai jau buvo aprašyti. Tai gali padėti įvertinti, ar jūsų pastebėtas atvejis gali būti susijęs su jau žinomu šališkumo modeliu, o ne būti pavienė anomalija.

• Teikiant sveikatos priežiūros paslaugas nepakankamai reprezentuojamoms pacientų grupėms: Pasitikrinkite duomenų bazėje, ar jų priežiūroje naudojamų DI sistemų veikimas nėra susijęs su jau nustatytais skirtumais pagal lytį, rasę ar etninę kilmę. Šios žinios gali padėti priimti labiau pagrįstus klinikinius sprendimus ir geriau atstovauti paciento interesams.

• Nuolatiniam profesiniam tobulėjimui: AEQUITAS duomenų bazė yra nuolat pildomas ir atnaujinamas informacijos šaltinis. Reguliariai joje ieškodami naujos informacijos galėsite susipažinti su naujausiais duomenimis apie DI sistemų šališkumą tose srityse, kurios susijusios su jūsų specialybe.

Baigę visus šešis AEQUITAS mokymų modulius, įgijote žinių, padedančių suprasti, kaip dirbtinis intelektas taikomas sveikatos priežiūroje, atpažinti lyčių ir rasinio šališkumo formas bei jų pasekmes, orientuotis etikos ir teisės reikalavimuose ir kasdienėje praktikoje naudotis AEQUITAS projekte sukurtais praktiniais įrankiais – duomenų baze ir reguliavimo modeliu.

Kitas žingsnis – pritaikyti šias žinias praktiškai. Praktinių užsiėmimų metu turėsite galimybę nagrinėti realiomis situacijomis pagrįstus scenarijus, aptarti atvejų analizes ir praktiškai išbandyti šiame mokymų kurse pristatytus įrankius.

Padėkite mums tobulėti – ES programos „Teisingumas, teisės ir vertybės“ apklausa

Vykdant šį ES finansuojamą projektą, kviečiame jus užpildyti trumpą apklausą. Ši apklausa skirta surinkti dalyvaujančių „Teisingumas, teisės ir vertybės“ programoje, pagal kurią vyskta ir AEQUITAS projektas, patirtis. Gauti atsakymai padeda įvertinti šių projektų poveikį ir tobulinti būsimas iniciatyvas visoje Europoje. 

Apklausą rasite čia: ES programos „Teisingumas, teisės ir vertybės“ apklausa

⚠️ Prašome apklausą užpildyti tik po abiejų mokymų dienų, kad jūsų atsiliepimai atspindėtų visą mokymų patirtį.