For at sikre lighed i medicinsk AI kræves der rammeværk, der fokuserer på repræsentativitet i datasæt. Hvis algoritmerne kun trænes på data fra vestlige populationer, overser de genetiske variationer hos andre grupper. Det skaber ulighed i, hvem der får præcis behandling. Derfor skal vi kræve gennemsigtighed omkring, hvordan data er indsamlet og sammensat.
Vi har brug for mekanismer, der løbende overvåger algoritmer for bias. En model kan fungere perfekt i laboratoriet, men fejle i virkeligheden, fordi den diskriminerer mod bestemte aldre eller etniciteter. Tekniske kontrolsystemer skal derfor integreres direkte i forskningsprocessen. Det er ikke nok at kigge på resultatet; vi skal forstå, hvordan maskinen når frem til sine konklusioner.
Endelig skal vi sikre demokratisk adgang til teknologien. Vi må undgå, at AI-drevet medicin bliver et privilegium for de rigeste nationer eller individer. Ved at kombinere strenge krav til datakvalitet med globale standarder for teknologideling, kan vi mindske kløften mellem dem, der får gavn af fremskridtene, og dem, der lades i stikken. Retfærdighed skal tænkes ind i koden, før den rulles ud i klinikken.
