論文の概要: Evaluate underdiagnosis and overdiagnosis bias of deep learning model on primary open-angle glaucoma diagnosis in under-served patient populations

• arxiv url: http://arxiv.org/abs/2301.11315v2
• Date: Sun, 29 Jan 2023 14:38:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-31 20:28:25.156223
• Title: Evaluate underdiagnosis and overdiagnosis bias of deep learning model on primary open-angle glaucoma diagnosis in under-served patient populations
• Title（参考訳）: 原発性開放隅角緑内障の診断における深層学習モデルの低診断と過診断バイアスの評価
• Authors: Mingquan Lin, Yuyun Xiao, Bojian Hou, Tingyi Wanyan, Mohit Manoj Sharma, Zhangyang Wang, Fei Wang, Sarah Van Tassel, Yifan Peng
• Abstract要約: 原発性オープンアングル緑内障(POAG)はアメリカにおける盲目の主要な原因である。 深層学習は眼底画像を用いたPOAGの検出に広く用いられている。 臨床診断における人間のバイアスは、広く使われているディープラーニングモデルに反映され増幅される可能性がある。
• 参考スコア（独自算出の注目度）: 64.91773761529183
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: In the United States, primary open-angle glaucoma (POAG) is the leading cause of blindness, especially among African American and Hispanic individuals. Deep learning has been widely used to detect POAG using fundus images as its performance is comparable to or even surpasses diagnosis by clinicians. However, human bias in clinical diagnosis may be reflected and amplified in the widely-used deep learning models, thus impacting their performance. Biases may cause (1) underdiagnosis, increasing the risks of delayed or inadequate treatment, and (2) overdiagnosis, which may increase individuals' stress, fear, well-being, and unnecessary/costly treatment. In this study, we examined the underdiagnosis and overdiagnosis when applying deep learning in POAG detection based on the Ocular Hypertension Treatment Study (OHTS) from 22 centers across 16 states in the United States. Our results show that the widely-used deep learning model can underdiagnose or overdiagnose underserved populations. The most underdiagnosed group is female younger (< 60 yrs) group, and the most overdiagnosed group is Black older (>=60 yrs) group. Biased diagnosis through traditional deep learning methods may delay disease detection, treatment and create burdens among under-served populations, thereby, raising ethical concerns about using deep learning models in ophthalmology clinics.
• Abstract（参考訳）: アメリカ合衆国では、特にアフリカ系アメリカ人やヒスパニック人の間で、原発性開放角緑内障(POAG)が盲目の主要な原因となっている。 深層学習は、眼底画像を用いたPOAGの検出に広く用いられており、その性能は臨床医の診断に匹敵するか、超えている。 しかし、臨床診断における人間のバイアスは、広く使われているディープラーニングモデルに反映され増幅され、それによってパフォーマンスに影響を及ぼす可能性がある。 バイアスは(1)過度の診断を引き起こし、遅滞または不適切な治療のリスクを増加させ、(2)過度な診断は個人のストレス、恐怖、幸福感、不必要な/費用的な治療を増加させる可能性がある。 本研究では,米国16州22施設における眼圧亢進症治療研究(ohts)に基づき,気孔検出に深層学習を適用した際の過度診断と過度診断について検討した。 以上の結果から,広く使用されている深層学習モデルでは,人口過多の診断が可能であることが示唆された。 最も低い診断群は女性若年者(<60 yrs)群であり、最も過度に診断された群は黒人高齢者(>60 yrs)群である。 従来の深層学習手法による偏りのある診断は、疾患の検出、治療を遅らせ、未保存集団間の負担を生じさせ、眼科診療所における深層学習モデルの使用に関する倫理的懸念を引き起こす可能性がある。

関連論文リスト

• Can Machine Learning Assist in Diagnosis of Primary Immune Thrombocytopenia? A feasibility study [12.4123972735841]
  原発性免疫性血小板減少症(ITP)は末梢血血小板の免疫学的破壊を特徴とする稀な自己免疫疾患である。 疾患を確認するための確立された検査はなく、治療と結果に対する反応を予測できるバイオマーカーも存在しない。 日常的な血液検査と人口統計データを用いて, 機械学習をIPPの診断に効果的に適用できるかどうかを, 非急性外来で検討する。
  論文  参考訳（メタデータ） (2024-05-31T01:04:46Z)
• Harnessing the power of longitudinal medical imaging for eye disease prognosis using Transformer-based sequence modeling [49.52787013516891]
  今回提案した Longitudinal Transformer for Survival Analysis (LTSA, Longitudinal Transformer for Survival Analysis, LTSA) は, 縦断的医用画像から動的疾患の予後を予測できる。 時間的注意分析により、最新の画像は典型的には最も影響力のあるものであるが、以前の画像は追加の予後に価値があることが示唆された。
  論文  参考訳（メタデータ） (2024-05-14T17:15:28Z)
• Demographic Bias of Expert-Level Vision-Language Foundation Models in Medical Imaging [13.141767097232796]
  自己監督型視覚言語基盤モデルは、明示的なトレーニングアノテーションに頼ることなく、幅広い病態を検出することができる。 これらのAIモデルが人間の偏見を反映または増幅しないことを保証することが不可欠である。 本研究では,5つのグローバルソースデータセットを対象とした胸部X線診断における最先端の視覚言語基盤モデルのアルゴリズム的公正性について検討した。
  論文  参考訳（メタデータ） (2024-02-22T18:59:53Z)
• OpenAPMax: Abnormal Patterns-based Model for Real-World Alzheimer's Disease Diagnosis [9.316162293112738]
  本稿では,アルツハイマー病の診断に対処するために,異常パターンに基づくオープンセット認識モデルOpenAPMaxを提案する。 提案手法の性能を最近のオープンセット認識を用いて評価し,その結果を得た。
  論文  参考訳（メタデータ） (2023-07-03T11:21:09Z)
• Deep Reinforcement Learning Framework for Thoracic Diseases Classification via Prior Knowledge Guidance [49.87607548975686]
  関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。 本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。 提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
  論文  参考訳（メタデータ） (2023-06-02T01:46:31Z)
• Automatic Classification of Neuromuscular Diseases in Children Using Photoacoustic Imaging [77.32032399775152]
  神経筋疾患(NMD)は、医療システムと社会の両方に重大な負担をもたらす。 激しい進行性筋力低下、筋変性、収縮、変形、進行性障害を引き起こす。
  論文  参考訳（メタデータ） (2022-01-27T16:37:19Z)
• Assessing glaucoma in retinal fundus photographs using Deep Feature Consistent Variational Autoencoders [63.391402501241195]
  緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。 緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。 ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
  論文  参考訳（メタデータ） (2021-10-04T16:06:49Z)
• ADiag: Graph Neural Network Based Diagnosis of Alzheimer's Disease [0.0]
  アルツハイマー病(ad、英: alzheimer's disease)は、世界中で5000万人以上の脳変性疾患である。 現在、認知テストのバッテリーのスコアリング性能の形でのみ定性的なテスト手段が採用されています。 GraphSAGE NetworkとDDP(Dense Differentiable Pooling)解析によりADを診断する新しい定量的手法であるADiagを開発した。 ADiagの予備テストは、83%の堅牢な精度を明らかにし、他の定性的および定量的診断技術を大幅に上回っています。
  論文  参考訳（メタデータ） (2021-01-08T06:23:30Z)
• A Smartphone-based System for Real-time Early Childhood Caries Diagnosis [76.71303610807156]
  6歳未満の小児では, 乳児期チャイナリー (ECC) が最も多いが, 予防可能な慢性疾患である。 本研究では,キャビティ検出のための多段階深層学習システムを提案する。 我々は、ディープラーニングシステムを、早期からECCを診断し、トレーニングされていないユーザにリアルタイムな結果を提供する、使い易いモバイルアプリケーションに統合する。
  論文  参考訳（メタデータ） (2020-08-17T21:11:19Z)
• COVID-19 in differential diagnosis of online symptom assessments [3.322985051936811]
  新型コロナウイルス(COVID-19)のパンデミックは、オンラインのヘルスケアソリューションを探している人たちの、すでに存在する傾向を拡大した。 従来の症状チェッカーは、柔軟で修正が難しい手作業による専門家システムに基づいている。 本稿では,従来のAIエキスパートシステムの強みと,新しいディープラーニングモデルを組み合わせたアプローチを提案する。
  論文  参考訳（メタデータ） (2020-08-07T18:10:42Z)

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。