論文の概要: Assessing Phenotype Definitions for Algorithmic Fairness

• arxiv url: http://arxiv.org/abs/2203.05174v1
• Date: Thu, 10 Mar 2022 06:10:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-12 01:15:42.349048
• Title: Assessing Phenotype Definitions for Algorithmic Fairness
• Title（参考訳）: アルゴリズムフェアネスのための現象型定義の評価
• Authors: Tony Y. Sun, Shreyas Bhave, Jaan Altosaar, No\'emie Elhadad
• Abstract要約: 選択されたコホートが、その人口動態や健康の社会的決定要因とは独立して、すべての患者の代表であることを保証することが重要である。 表現型化の分野では、患者のサブグループ間で異なる定義の影響を考慮するのが標準ではない。 異なる表現型の定義は、異なるフェアネス指標とサブグループに応じて、広範囲に変化し、異なる性能を示すことを示す。
• 参考スコア（独自算出の注目度）: 2.599882743586164
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Disease identification is a core, routine activity in observational health research. Cohorts impact downstream analyses, such as how a condition is characterized, how patient risk is defined, and what treatments are studied. It is thus critical to ensure that selected cohorts are representative of all patients, independently of their demographics or social determinants of health. While there are multiple potential sources of bias when constructing phenotype definitions which may affect their fairness, it is not standard in the field of phenotyping to consider the impact of different definitions across subgroups of patients. In this paper, we propose a set of best practices to assess the fairness of phenotype definitions. We leverage established fairness metrics commonly used in predictive models and relate them to commonly used epidemiological cohort description metrics. We describe an empirical study for Crohn's disease and diabetes type 2, each with multiple phenotype definitions taken from the literature across two sets of patient subgroups (gender and race). We show that the different phenotype definitions exhibit widely varying and disparate performance according to the different fairness metrics and subgroups. We hope that the proposed best practices can help in constructing fair and inclusive phenotype definitions.
• Abstract（参考訳）: 病気の特定は、観察健康研究における中核的な日常的な活動である。 コホートが下流解析に影響を及ぼすのは、病態の特徴づけ方、患者のリスクの定義方法、どのような治療が研究されているかなどである。 したがって、選択されたコホートが、人口動態や健康の社会的決定要因とは独立して、すべての患者の代表であることを保証することが重要である。 表現型定義がフェアネスに影響を与える可能性のある場合、複数のバイアス源が存在するが、患者サブグループ間で異なる定義の影響を検討するのは表現型の分野では一般的ではない。 本稿では,表現型定義の公平性を評価するための一連のベストプラクティスを提案する。 我々は、予測モデルで一般的に使用される確立された公正度指標を活用し、それらを一般的な疫学的コホート記述指標と関連付ける。 われわれはクローン病と糖尿病の2型について,2つのサブグループ(性別と人種)の文献から抽出した複数の表現型定義を実証的に検討した。 異なる表現型の定義は、異なるフェアネス指標とサブグループによって大きく変化し、異なる性能を示す。 提案されたベストプラクティスが公正かつ包括的な表現型定義の構築に役立つことを願っている。

関連論文リスト

• Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
  同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。 構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。 スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
  論文  参考訳（メタデータ） (2024-03-02T00:56:05Z)
• An evaluation of GPT models for phenotype concept recognition [0.4715973318447338]
  臨床表現型および表現型アノテーションのためのGPT(Generative Pre-trained Transformer)モデルの性能について検討した。 その結果、適切な設定で、これらのモデルが芸術的パフォーマンスの状態を達成できることが示されている。
  論文  参考訳（メタデータ） (2023-09-29T12:06:55Z)
• A Category-theoretical Meta-analysis of Definitions of Disentanglement [97.34033555407403]
  データの変化の要因を識別することは、機械学習の基本的な概念である。 本稿では,既存の乱れの定義をメタ分析する。
  論文  参考訳（メタデータ） (2023-05-11T15:24:20Z)
• PheME: A deep ensemble framework for improving phenotype prediction from multi-modal data [42.56953523499849]
  PheMEは, 構造化EHRのマルチモーダルデータを用いたアンサンブル・フレームワークであり, 非構造化臨床ノートを用いて, 正確なフェノタイプ予測を行う。 我々はアンサンブル学習を活用し、単一モーダルモデルと多モーダルモデルからの出力を組み合わせて表現型予測を改善する。
  論文  参考訳（メタデータ） (2023-03-19T23:41:04Z)
• T-Phenotype: Discovering Phenotypes of Predictive Temporal Patterns in Disease Progression [82.85825388788567]
  我々は、ラベル付き時系列データから予測時相パターンの表現型を発見するために、新しい時間的クラスタリング手法T-Phenotypeを開発した。 T-フェノタイプは, 評価ベースラインのすべてに対して, 最良の表現型発見性能を示す。
  論文  参考訳（メタデータ） (2023-02-24T13:30:35Z)
• Unsupervised EHR-based Phenotyping via Matrix and Tensor Decompositions [0.6875312133832078]
  本稿では,低ランク近似に基づく計算表現法について概観する。 近年,様々な制約を組み込んだ低ランクデータ近似手法が開発され,解釈可能性の向上が図られている。
  論文  参考訳（メタデータ） (2022-09-01T09:47:27Z)
• Measuring Hidden Bias within Face Recognition via Racial Phenotypes [21.74534280021516]
  本研究は、顔認識のための顔表現型属性を用いた、代替的な人種的偏見分析手法を提案する。 顔認識タスクにおける属性の個人的影響を調べるための分類的テストケースを提案する。
  論文  参考訳（メタデータ） (2021-10-19T10:46:59Z)
• Relational Subsets Knowledge Distillation for Long-tailed Retinal Diseases Recognition [65.77962788209103]
  本研究では,長尾データを知識に基づいて複数のクラスサブセットに分割し,クラスサブセット学習を提案する。 モデルがサブセット固有の知識の学習に集中するように強制する。 提案手法は長期網膜疾患認識タスクに有効であることが判明した。
  論文  参考訳（メタデータ） (2021-04-22T13:39:33Z)
• Personalized pathology test for Cardio-vascular disease: Approximate Bayesian computation with discriminative summary statistics learning [48.7576911714538]
  近似計算を用いて生物学的に有意なパラメータを推定するための血小板沈着モデルと推論手法を提案する。 この研究は、CVDの検出と治療のためのパーソナライズされた病理検査の先例のない機会を開く。
  論文  参考訳（メタデータ） (2020-10-13T15:20:21Z)
• Temporal Phenotyping using Deep Predictive Clustering of Disease Progression [97.88605060346455]
  我々は、時系列データをクラスタリングするためのディープラーニングアプローチを開発し、各クラスタは、同様の将来的な結果を共有する患者から構成される。 2つの実世界のデータセットに対する実験により、我々のモデルは最先端のベンチマークよりも優れたクラスタリング性能が得られることが示された。
  論文  参考訳（メタデータ） (2020-06-15T20:48:43Z)
• Towards Patient Record Summarization Through Joint Phenotype Learning in HIV Patients [1.598617270887469]
  本研究では、構造化データと非構造化データにまたがる多数の表現型/プロブレムを共同で学習する、教師なし表現型化手法を提案する。 我々は,大都市医療施設のHIVクリニックから患者を表現型化する実験を行った。 臨床専門家による評価では,学習した表現型とその関連性は臨床的に有効であることが判明した。
  論文  参考訳（メタデータ） (2020-03-09T15:41:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。