Cartographie du rôle de l'intelligence artificielle dans la stigmatisation liée à la santé : une revue systématique de la portéeMapping the role of artificial intelligence in health-related stigma: a scoping review.
- Quatre thèmes de recherche ont été identifiés : l'IA mesurant la stigmatisation, la stigmatisation influençant l'utilisation de l'IA, l'IA augmentant la stigmatisation et l'IA réduisant la stigmatisation.
- 60 % des études portent sur l'IA mesurant la stigmatisation, tandis que seulement 6 % explorent son potentiel réducteur.
- La majorité des études se concentrent sur les troubles de santé mentale, révélant un déséquilibre dans l'attention accordée aux autres conditions de santé.
Scoping review pertinente pour comprendre les interactions entre IA et stigmatisation, mais non spécifique à la neuropsychologie clinique ou au neurodéveloppement ; intérêt modéré pour les cliniciens veillant aux biais des outils numériques.
Définitions incohérentes de la stigmatisation à travers les études incluses. Perspectives interculturelles limitées, réduisant la généralisabilité des résultats. Peu d'évaluations d'applications réelles de l'IA, la plupart des études étant théoriques ou en laboratoire. Déséquilibre thématique avec une surreprésentation des troubles de santé mentale par rapport à d'autres conditions.
Cette revue systématique de la portée a analysé 70 études sur la relation entre l'intelligence artificielle (IA) et la stigmatisation liée à la santé. Quatre thèmes émergent : l'IA mesurant la stigmatisation (60 %), la stigmatisation influençant l'utilisation de l'IA (21 %), l'IA augmentant la stigmatisation (13 %) et l'IA réduisant la stigmatisation (6 %). La plupart des études portent sur les troubles de santé mentale, avec des définitions incohérentes de la stigmatisation et un manque de perspectives interculturelles. Les résultats soulignent la nécessité de systèmes d'IA responsables et équitables pour atténuer la stigmatisation.
Quatre thèmes de recherche ont été identifiés : l'IA mesurant la stigmatisation, la stigmatisation influençant l'utilisation de l'IA, l'IA augmentant la stigmatisation et l'IA réduisant la stigmatisation. 60 % des études portent sur l'IA mesurant la stigmatisation, tandis que seulement 6 % explorent son potentiel réducteur. La majorité des études se concentrent sur les troubles de santé mentale, révélant un déséquilibre dans l'attention accordée aux autres conditions de santé. Des lacunes importantes incluent des définitions incohérentes de la stigmatisation, un manque de perspectives interculturelles et peu d'évaluations d'applications réelles de l'IA.
Les cliniciens doivent être conscients que l'IA peut à la fois mesurer et perpétuer la stigmatisation, particulièrement en santé mentale. Les systèmes d'IA utilisés en contexte clinique doivent être évalués pour éviter de renforcer les biais stigmatisants. Les recherches futures devraient inclure des perspectives interculturelles et des évaluations en conditions réelles pour garantir l'équité des outils d'IA. La formation des professionnels de santé sur les risques de stigmatisation liés à l'IA est recommandée.
Revue