健康的社会决定因素影响人们的福祉和生活质量。这些社会决定因素——诸如获得营养、安全和负担得起的住房、工作、交通和获得医疗保健等条件——是导致健康和医疗保健差异的一些因素，如果它们得不到解决。

“定义和评估健康的社会决定因素确实邀请临床医生、教育工作者和研究人员在社会背景下对健康有更广泛的理解，而不仅仅是狭义定义或集中的生物医学因素，”梅奥儿科教授 Young Juhn 博士解释说Clinic，儿科人工智能 (AI) 项目主任，Mayo Clinic Health System 研究主席。“因此，它实际上被定义为日常生活中发生的情况或条件，影响更广泛的健康结果、功能和生活质量。”

包括 Mayo Clinic 在内的医疗保健组织正在努力改善健康公平和健康结果，同时降低医疗保健成本。医疗保健组织面临的问题之一是缺乏可靠和准确的个人社会经济地位(SES) 数据，这是健康社会决定因素的关键要素，因为 SES 被定义为一个人获得医疗保健等所需资源的能力，教育、职业、住房和社区资源。

“正确测量个人水平的 SES 数据并将其应用于医疗保健服务和研究是一项重大挑战，因为这种具有可靠性、准确性和可扩展性的措施不可用，”Juhn 博士说。

Juhn 博士和他的团队正试图通过将他们的研究重点放在使用公开可用的财产数据提供经过验证、客观且可扩展的个人级 SES 测量来解决这一障碍。基于住房的社会经济状况 (HOUSES) 指数由 Juhn 博士的精确人口科学实验室开发，是一种基于云的软件工具，允许研究人员根据地址和公开可用的住房评估数据来衡量个人层面的 SES。在 NIH 资助的支持下，该研究已扩展到美国 44 个州，并计划完成扩展到整个美国

这些数据如何帮助改善健康公平?

Juhn 博士解释说，HOUSES 指数可以帮助医疗保健组织预测和识别那些在移植或癌症治疗等昂贵服务之前或之后需要健康支持服务社会决定因素的人，例如交通、社会支持或经济帮助。它还可以帮助监测健康的社会决定因素如何随时间变化，从而能够及早确定支持需求。

”

Juhn 博士和他的实验室正在与 Mayo Clinic Platform 合作，通过使用 HOUSES 指数来识别和检测 AI 偏见。在研究哮喘时发现了一个例子。研究表明，根据 HOUSES 衡量，SES 较低和较高的哮喘儿童在机器学习模型性能(即 AI 偏差)方面存在显着差异。

“作为科学家，我们非常擅长发现科学和转化科学，但不一定擅长实施和传播科学。Mayo Clinic 平台可以发挥重要作用，我们如何才能真正使它成为用户可用的有用工具和技术并赚取收益信任人工智能工具在医疗保健中的应用。”

“我们研究了偏见的来源，”Juhn 博士解释说。“我们发现来自较低社会经济背景的儿童更容易丢失数据，这意味着数据不完整。第二个问题是不准确——这意味着，有一组儿童符合哮喘标准，但没有被诊断为哮喘。这些偏见可能使他们无法获得预防和治疗干预措施。这些观察结果引起了人们对具有不同 SES 背景的患者电子健康记录质量差异的担忧，这可能是 SES 潜在的 AI 模型偏差的基础。