Atlas Celulares Humanos podem não Representar a Diversidade Global da População
Pessoas de Origem Europeia são Sobrerepresentadas, enquanto Asiáticos e Latinos são Sub-representados em Atlas Celulares da Humanidade
Atlas Celulares Humanos podem não Representar a Diversidade Global da População
A crescente utilização de atlas celulares para mapear o corpo humano e treinar modelos de inteligência artificial pode não representar corretamente a população global.
Segundo um estudo liderado por pesquisadores da Icahn School of Medicine do Mount Sinai, as pessoas de origem europeia são consistentemente sobrerrepresentadas nos atlas celulares, enquanto os asiáticos e latinos são sub-representados. Além disso, uma grande porcentagem de amostras não tem registro de origem étnica.
Problema com a Representatividade dos Atlas Celulares
O estudo, publicado no Cell Genomics em 20 de julho, destaca a falta de representatividade dos atlas celulares na população global. Os pesquisadores analisaram os dados disponíveis e concluíram que as pessoas de origem europeia são sobre-representadas, enquanto os asiáticos e latinos são sub-representados.
A pesquisa sugere que a falta de diversidade nos dados pode afetar a precisão dos modelos de inteligência artificial treinados com esses atlas celulares. Isso pode ter implicações significativas em áreas como a medicina e a saúde, onde a precisão é fundamental.
Consequências para a Inteligência Artificial
A falta de representatividade dos atlas celulares pode ter consequências importantes para a inteligência artificial. Se os modelos forem treinados com dados que não refletem a diversidade global, eles podem não ser capazes de capturar a complexidade da população humana.
Isso pode levar a falhas deprecificazes em áreas como a detecção de doenças e o diagnóstico de condições médicas. Além disso, a falta de diversidade nos dados pode perpetuar discriminações e desigualdades existentes na sociedade.
No entanto, os pesquisadores destacam que a situação pode ser melhorada com a coleta de dados mais representativos e a implementação de estratégias de diversidade e inclusão nos processos de treinamento dos modelos de inteligência artificial.
