提出了用于检测和量化人工智能引起的不平等的通用分配 - 恶化框架，应用于两个 ICU 数据集，结果显示与白人相比，非白人患者的差距显著增加（2.45％至 43.2％），其中一个评估的不平等性增加了超过 9 倍。

Apr, 2022

本篇文章尝试使用人工智能和深度学习来预测新冠病毒传播，并测试了该方法对识别病毒对胸部 X 光片的感染的效果。通过此研究，我们得出了结论：人工智能有助于识别疾病爆发的关键特征，这对保护人类免受这种致命疾病的影响具有重要意义。

Apr, 2023

本研究调查了资本主义、种族压迫和人工智能之间复杂的联系，揭示了这些元素如何共同作用来加深社会不平等。通过追溯资本主义实践对边缘化社区的历史剥削，本研究表明人工智能技术不仅反映了社会偏见，而且放大了这种偏见，特别是在加剧种族差异方面。通过针对性的分析，本文介绍了人工智能发展和应用如何通过诸如零工经济的劳工滥用、有偏见的面部识别技术以及给这些社区带来不成比例的心理健康负担等机制来剥削边缘化群体。这些例子突显了人工智能在加强和加剧现有不平等方面的关键作用。文章得出的结论是，不受监管的人工智能严重威胁到现有压迫的累加，呼吁共同努力实现负责任的人工智能发展。这需要采取一种整体性的方法，修正系统缺陷，倡导边缘化个体的赋权，确保技术进步有助于社会的愈合，而不是延续剥削循环。

Mar, 2024

本文综述了人工智能在抗击 COVID-19 方面的主要应用，并就其在疾病检测和诊断、病毒学和发病机理、药物和疫苗开发以及流行病和传播预测等方面的贡献和挑战进行了讨论。目前，人工智能主要关注医学影像检查、基因组学、药物开发和传播预测，因此在这一领域中仍具有巨大潜力。

Jul, 2020

本文提出了一个以医学、社会学和反种族主义为灵感的公平人工智能框架，定义了一个新词 bisinformation，鼓励研究人员研究它并使用 AI 研究、发现和减轻对社会中的少数群体造成的有偏见、有害的或虚假健康信息，进而改善患者的结果和福祉。

Sep, 2021

人工智能在改善医疗服务和患者结局方面变得至关重要，但其发展和使用引发了众多伦理、法律和社会经济问题，其中正义是一个主要关注点，该论文讨论了与之相关的团结性、公共利益、可持续性、人工智能偏见和公平性等概念，为非洲地区公平发展人工智能医疗提出了特定背景下的考虑。

Jun, 2024

该研究通过对人群亚组之间的疾病分类器性能分析，发现低诊断率造成的表现差异引起了关注，进一步强调了在训练数据中嵌入的人类偏见可能会放大现有的健康差异，并探讨了评估模型公正性的一些困难。

Jan, 2022

这篇综述论文概述了高科技医疗领域中人工智能系统的算法公正性问题，阐述了当前临床工作流程中算法偏见（如图像采集，基因变异，内观者标记变异性等）导致的不公平医疗差距并探讨了联邦学习、分离和模型解释等新兴技术在 AI-SaMD 发展中的作用。

Oct, 2021

本研究评述了人工智能应用于医疗保健领域的现状及其对非洲地区的影响，包括改善诊断、促进疾病早期检测、支持个体化治疗等方面，并探讨了将人工智能技术应用于非洲低资源区卫生保健面临的重大挑战和机遇。因此，需要政府、私营部门、医疗保健提供者和国际组织的共同努力，以创建可持续的人工智能解决方案，满足非洲卫生保健系统的独特需求。

May, 2023

随着人工智能技术的普及，技术所带来的长期危害，如失业或威胁人类安全，引起了人们的担忧。然而，更为迫切和已存在的威胁是 AI 技术今天所面临的问题：对训练数据集中的偏见进行扩大，并迅速对边缘化的人群产生巨大的影响。政府和公共部门机构有责任与技术开发人员建立对话，并发布围绕数据标准的审慎政策，以确保数据集的多样性和防止偏见的扩大，并确保以包容为宗旨构建 AI 系统。

Sep, 2018