Clinically stigmatizing information can bias large language model triage decisions, potentially leading to inequitable emergency prioritization.
NL-context Stigmatiseerbare patiëntgegevens kunnen AI‑triage in Nederlandse spoedafdelingen benadelen, waardoor sommige groepen systematisch minder snel hulp krijgen.
Samenvatting
A study shows that large language models used for emergency triage may downgrade patients when presented with stigmatizing clinical details, raising concerns for ethical AI deployment in Dutch emergency care. The findings highlight the need for robust bias mitigation and governance before widescale implementation.
Waarom dit ertoe doet
De kwaliteit en veiligheid van zorg kunnen beïnvloed worden door deze ontwikkeling.
Context (AI-duiding)
Klik op “Toon context” om AI-duiding op te halen.
Scores
De mate waarin dit signaal de Nederlandse gezondheidszorg kan beïnvloeden (1 = minimaal, 5 = transformatief).
Hoe snel actie of aandacht nodig is (1 = kan wachten, 5 = onmiddellijke aandacht vereist).
De mate van onzekerheid over de uitkomst of timing (1 = zeer voorspelbaar, 5 = zeer onzeker).
Tags
Bronnen
Relevant voor
Pipeline versie: 0.2.0 | Gegenereerd door: pipeline