Skip to Content
logologo
AI Incident Database
Open TwitterOpen RSS FeedOpen FacebookOpen LinkedInOpen GitHub
Open Menu
Descubrir
Enviar
  • Bienvenido a la AIID
  • Descubrir Incidentes
  • Vista espacial
  • Vista Tabular
  • Vista de lista
  • Entidades
  • Taxonomías
  • Enviar Informes de Incidentes
  • Ranking de Reportadores
  • Blog
  • Resumen de noticias de IA
  • Control de Riesgos
  • Incidente aleatorio
  • Registrarse
Colapsar
Descubrir
Enviar
  • Bienvenido a la AIID
  • Descubrir Incidentes
  • Vista espacial
  • Vista Tabular
  • Vista de lista
  • Entidades
  • Taxonomías
  • Enviar Informes de Incidentes
  • Ranking de Reportadores
  • Blog
  • Resumen de noticias de IA
  • Control de Riesgos
  • Incidente aleatorio
  • Registrarse
Colapsar

Incidente 79: Kidney Testing Method Allegedly Underestimated Risk of Black Patients

Descripción: Decades-long use of the estimated glomerular filtration rate (eGFR) method to test kidney function which considers race has been criticized by physicians and medical students for its racist history and inaccuracy against Black patients.

Herramientas

Nuevo InformeNuevo InformeNueva RespuestaNueva RespuestaDescubrirDescubrirVer HistorialVer Historial

Entidades

Ver todas las entidades
Presunto: un sistema de IA desarrollado e implementado por Chronic Kidney Disease Epidemiology Collaboration, perjudicó a Black patients y African-American patients.

Estadísticas de incidentes

ID
79
Cantidad de informes
3
Fecha del Incidente
1999-03-16
Editores
Sean McGregor, Khoa Lam
Applied Taxonomies
CSETv0, CSETv1, GMF, MIT

Clasificaciones de la Taxonomía CSETv0

Detalles de la Taxonomía

Problem Nature

Indicates which, if any, of the following types of AI failure describe the incident: "Specification," i.e. the system's behavior did not align with the true intentions of its designer, operator, etc; "Robustness," i.e. the system operated unsafely because of features or changes in its environment, or in the inputs the system received; "Assurance," i.e. the system could not be adequately monitored or controlled during operation.
 

Unknown/unclear

Physical System

Where relevant, indicates whether the AI system(s) was embedded into or tightly associated with specific types of hardware.
 

Software only

Level of Autonomy

The degree to which the AI system(s) functions independently from human intervention. "High" means there is no human involved in the system action execution; "Medium" means the system generates a decision and a human oversees the resulting action; "low" means the system generates decision-support output and a human makes a decision and executes an action.
 

Low

Nature of End User

"Expert" if users with special training or technical expertise were the ones meant to benefit from the AI system(s)’ operation; "Amateur" if the AI systems were primarily meant to benefit the general public or untrained users.
 

Amateur

Public Sector Deployment

"Yes" if the AI system(s) involved in the accident were being used by the public sector or for the administration of public goods (for example, public transportation). "No" if the system(s) were being used in the private sector or for commercial purposes (for example, a ride-sharing company), on the other.
 

No

Data Inputs

A brief description of the data that the AI system(s) used or were trained on.
 

creatinine levels, age, sex, race

Clasificaciones de la Taxonomía CSETv1

Detalles de la Taxonomía

Incident Number

The number of the incident in the AI Incident Database.
 

79

AI Tangible Harm Level Notes

Notes about the AI tangible harm level assessment
 

There is no AI. The harm comes from a formula that uses race as a factor.

Notes (special interest intangible harm)

Input any notes that may help explain your answers.
 

4.1 - Black patients overlooked by the calculation because of built-in points had their access to critical public healthcare reduced.

Special Interest Intangible Harm

An assessment of whether a special interest intangible harm occurred. This assessment does not consider the context of the intangible harm, if an AI was involved, or if there is characterizable class or subgroup of harmed entities. It is also not assessing if an intangible harm occurred. It is only asking if a special interest intangible harm occurred.
 

yes

Clasificaciones de la Taxonomía MIT

Machine-Classified
Detalles de la Taxonomía

Risk Subdomain

A further 23 subdomains create an accessible and understandable classification of hazards and harms associated with AI
 

1.3. Unequal performance across groups

Risk Domain

The Domain Taxonomy of AI Risks classifies risks into seven AI risk domains: (1) Discrimination & toxicity, (2) Privacy & security, (3) Misinformation, (4) Malicious actors & misuse, (5) Human-computer interaction, (6) Socioeconomic & environmental harms, and (7) AI system safety, failures & limitations.
 
  1. Discrimination and Toxicity

Entity

Which, if any, entity is presented as the main cause of the risk
 

Human

Timing

The stage in the AI lifecycle at which the risk is presented as occurring
 

Post-deployment

Intent

Whether the risk is presented as occurring as an expected or unexpected outcome from pursuing a goal
 

Unintentional

Informes del Incidente

Cronología de Informes

Incident OccurrenceUn impulso de un año para eliminar el sesgo racista de las pruebas renales gana terreno+1
Examen del impacto potencial de la utilización del multiplicador racial en el cálculo de la tasa de filtración glomerular estimada en los resultados de la atención de los afroamericanos
Un impulso de un año para eliminar el sesgo racista de las pruebas renales gana terreno

Un impulso de un año para eliminar el sesgo racista de las pruebas renales gana terreno

statnews.com

Examen del impacto potencial de la utilización del multiplicador racial en el cálculo de la tasa de filtración glomerular estimada en los resultados de la atención de los afroamericanos

Examen del impacto potencial de la utilización del multiplicador racial en el cálculo de la tasa de filtración glomerular estimada en los resultados de la atención de los afroamericanos

link.springer.com

Cómo un algoritmo bloqueó los trasplantes de riñón a pacientes negros

Cómo un algoritmo bloqueó los trasplantes de riñón a pacientes negros

wired.com

Un impulso de un año para eliminar el sesgo racista de las pruebas renales gana terreno
statnews.com · 2020
Traducido por IA

Durante años, médicos y estudiantes de medicina, muchos de ellos negros, han advertido que la prueba renal más utilizada, cuyos resultados se basan en la raza, es racista y peligrosamente inexacta. Sus llamamientos están cobrando nueva fuer…

Examen del impacto potencial de la utilización del multiplicador racial en el cálculo de la tasa de filtración glomerular estimada en los resultados de la atención de los afroamericanos
link.springer.com · 2020
Traducido por IA

ANTECEDENTES: Avanzar en la equidad en salud implica reducir las disparidades en la atención. Los pacientes afroamericanos con enfermedad renal crónica (CKD, por sus siglas en inglés) tienen peores resultados, incluida la colocación de un a…

Cómo un algoritmo bloqueó los trasplantes de riñón a pacientes negros
wired.com · 2020
Traducido por IA

LAS PERSONAS NEGRAS EN LOS EE. UU. sufren más enfermedades crónicas y reciben una atención médica inferior en relación con las personas blancas. Las matemáticas con sesgo racial pueden empeorar el problema.

Los médicos a menudo toman decisi…

Variantes

Una "Variante" es un incidente que comparte los mismos factores causales, produce daños similares e involucra los mismos sistemas inteligentes que un incidente de IA conocido. En lugar de indexar las variantes como incidentes completamente separados, enumeramos las variaciones de los incidentes bajo el primer incidente similar enviado a la base de datos. A diferencia de otros tipos de envío a la base de datos de incidentes, no se requiere que las variantes tengan informes como evidencia externa a la base de datos de incidentes. Obtenga más información del trabajo de investigación.

Incidentes Similares

Por similitud de texto

Did our AI mess up? Flag the unrelated incidents

Algorithmic Health Risk Scores Underestimated Black Patients’ Needs

A Health Care Algorithm Offered Less Care to Black Patients

Oct 2019 · 7 informes
Justice Department’s Recidivism Risk Algorithm PATTERN Allegedly Caused Persistent Disparities Along Racial Lines

Flaws plague a tool meant to help low-risk federal prisoners win early release

Jan 2022 · 1 informe
Researchers find evidence of racial, gender, and socioeconomic bias in chest X-ray classifiers

Researchers find evidence of racial, gender, and socioeconomic bias in chest X-ray classifiers

Oct 2020 · 1 informe
Incidente AnteriorSiguiente Incidente

Incidentes Similares

Por similitud de texto

Did our AI mess up? Flag the unrelated incidents

Algorithmic Health Risk Scores Underestimated Black Patients’ Needs

A Health Care Algorithm Offered Less Care to Black Patients

Oct 2019 · 7 informes
Justice Department’s Recidivism Risk Algorithm PATTERN Allegedly Caused Persistent Disparities Along Racial Lines

Flaws plague a tool meant to help low-risk federal prisoners win early release

Jan 2022 · 1 informe
Researchers find evidence of racial, gender, and socioeconomic bias in chest X-ray classifiers

Researchers find evidence of racial, gender, and socioeconomic bias in chest X-ray classifiers

Oct 2020 · 1 informe

Investigación

  • Definición de un “Incidente de IA”
  • Definición de una “Respuesta a incidentes de IA”
  • Hoja de ruta de la base de datos
  • Trabajo relacionado
  • Descargar Base de Datos Completa

Proyecto y Comunidad

  • Acerca de
  • Contactar y Seguir
  • Aplicaciones y resúmenes
  • Guía del editor

Incidencias

  • Todos los incidentes en forma de lista
  • Incidentes marcados
  • Cola de envío
  • Vista de clasificaciones
  • Taxonomías

2024 - AI Incident Database

  • Condiciones de uso
  • Política de privacidad
  • Open twitterOpen githubOpen rssOpen facebookOpen linkedin
  • ecd56df