Forskare har utvecklat ett verktyg för att upptäcka dolda problem i de stora datamängder som används för att träna medicinsk AI. Verktyget söker efter subtila mönster i träningsdata som kan leda till felaktiga slutsatser och därmed äventyra patientvård. Målet är att hjälpa forskare och regulatorer att göra artificiell intelligens mer tillförlitlig och pålitlig för klinisk användning.

Detta arbete är en viktig del i utvecklingen av medicinsk AI, eftersom det kan bidra till att förbättra säkerheten och effektiviteten i patientvården.