Forskergruppe skal rette op på skæve algoritmer: "De metoder, som vi kender i dag, vil typisk gøre algoritmen lige dårlig for alle"

Sundhedsdata er ofte forudindtaget - som den læge, der diagnosticerer flere kvinder med depression end mænd. Og som den ekspert, der analyserer et utal af hjerner, hvor størstedelen af dem er mænd, og derfor bliver bedst til at spotte faresignalerne på mændenes side.

Men dét vil et forskerhold nu lave om på.

Aasa Feragen, der er professor på DTU indenfor Compute, skal sammen med en forskergruppe hen over de næste to år undersøge, hvordan man kan forbedre de skæve algoritmer.

"Når man som menneske skal tage beslutninger, så bliver man påvirket af forskellige ting. For eksempel patienterne. Det kan være en person, der er god til at tale for sig. Faktorer som køn og alder spiller statistisk set også ind på det indtryk vi giver, og det gælder også overfor fagpersoner," fortæller Aasa Feragen.