健康的社會決定因素影響人們的福祉和生活質量。這些社會決定因素——諸如獲得營養、安全和負擔得起的住房、工作、交通和獲得醫療保健等條件——是導致健康和醫療保健差異的一些因素，如果它們得不到解決。

“定義和評估健康的社會決定因素確實邀請臨床醫生、教育工作者和研究人員在社會背景下對健康有更廣泛的理解，而不僅僅是狹義定義或集中的生物醫學因素，”梅奧兒科教授 Young Juhn 博士解釋說Clinic，兒科人工智能 (AI) 項目主任，Mayo Clinic Health System 研究主席。“因此，它實際上被定義為日常生活中發生的情況或條件，影響更廣泛的健康結果、功能和生活質量。”

包括 Mayo Clinic 在內的醫療保健組織正在努力改善健康公平和健康結果，同時降低醫療保健成本。醫療保健組織面臨的問題之一是缺乏可靠和準確的個人社會經濟地位(SES) 數據，這是健康社會決定因素的關鍵要素，因為 SES 被定義為一個人獲得醫療保健等所需資源的能力，教育、職業、住房和社區資源。

“正確測量個人水平的 SES 數據并將其應用于醫療保健服務和研究是一項重大挑戰，因為這種具有可靠性、準確性和可擴展性的措施不可用，”Juhn 博士說。

Juhn 博士和他的團隊正試圖通過將他們的研究重點放在使用公開可用的財產數據提供經過驗證、客觀且可擴展的個人級 SES 測量來解決這一障礙。基于住房的社會經濟狀況 (HOUSES) 指數由 Juhn 博士的精確人口科學實驗室開發，是一種基于云的軟件工具，允許研究人員根據地址和公開可用的住房評估數據來衡量個人層面的 SES。在 NIH 資助的支持下，該研究已擴展到美國 44 個州，并計劃完成擴展到整個美國

這些數據如何幫助改善健康公平?

Juhn 博士解釋說，HOUSES 指數可以幫助醫療保健組織預測和識別那些在移植或癌癥治療等昂貴服務之前或之后需要健康支持服務社會決定因素的人，例如交通、社會支持或經濟幫助。它還可以幫助監測健康的社會決定因素如何隨時間變化，從而能夠及早確定支持需求。

”

Juhn 博士和他的實驗室正在與 Mayo Clinic Platform 合作，通過使用 HOUSES 指數來識別和檢測 AI 偏見。在研究哮喘時發現了一個例子。研究表明，根據 HOUSES 衡量，SES 較低和較高的哮喘兒童在機器學習模型性能(即 AI 偏差)方面存在顯著差異。

“作為科學家，我們非常擅長發現科學和轉化科學，但不一定擅長實施和傳播科學。Mayo Clinic 平臺可以發揮重要作用，我們如何才能真正使它成為用戶可用的有用工具和技術并賺取收益信任人工智能工具在醫療保健中的應用。”

“我們研究了偏見的來源，”Juhn 博士解釋說。“我們發現來自較低社會經濟背景的兒童更容易丟失數據，這意味著數據不完整。第二個問題是不準確——這意味著，有一組兒童符合哮喘標準，但沒有被診斷為哮喘。這些偏見可能使他們無法獲得預防和治療干預措施。這些觀察結果引起了人們對具有不同 SES 背景的患者電子健康記錄質量差異的擔憂，這可能是 SES 潛在的 AI 模型偏差的基礎。