論文の概要: Evaluating the Impact of Pulse Oximetry Bias in Machine Learning under Counterfactual Thinking
- arxiv url: http://arxiv.org/abs/2408.04396v1
- Date: Thu, 8 Aug 2024 12:03:03 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-09 15:38:36.192261
- Title: Evaluating the Impact of Pulse Oximetry Bias in Machine Learning under Counterfactual Thinking
- Title（参考訳）: 反現実的思考下での機械学習におけるパルスオキシメトリバイアスの影響評価
- Authors: Inês Martins, João Matos, Tiago Gonçalves, Leo A. Celi, A. Ian Wong, Jaime S. Cardoso,
- Abstract要約: 本研究は,機械学習モデルにおける医療機器バイアスの影響を定量化する技術的課題に対処する。
実験では, パルスオキシメトリーバイアスを伴わない「完璧な世界」を, SAO2 (血液ガス) と「実際の世界」を用いて, SpO2 (パルスオキシメトリー) を用いた偏差測定と比較した。
パルスオキシメトリーでO2を過大評価した患者は、死亡予測リコールにおいて有意な低下を示した。
- 参考スコア（独自算出の注目度）: 3.7415756194561753
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Algorithmic bias in healthcare mirrors existing data biases. However, the factors driving unfairness are not always known. Medical devices capture significant amounts of data but are prone to errors; for instance, pulse oximeters overestimate the arterial oxygen saturation of darker-skinned individuals, leading to worse outcomes. The impact of this bias in machine learning (ML) models remains unclear. This study addresses the technical challenges of quantifying the impact of medical device bias in downstream ML. Our experiments compare a "perfect world", without pulse oximetry bias, using SaO2 (blood-gas), to the "actual world", with biased measurements, using SpO2 (pulse oximetry). Under this counterfactual design, two models are trained with identical data, features, and settings, except for the method of measuring oxygen saturation: models using SaO2 are a "control" and models using SpO2 a "treatment". The blood-gas oximetry linked dataset was a suitable test-bed, containing 163,396 nearly-simultaneous SpO2 - SaO2 paired measurements, aligned with a wide array of clinical features and outcomes. We studied three classification tasks: in-hospital mortality, respiratory SOFA score in the next 24 hours, and SOFA score increase by two points. Models using SaO2 instead of SpO2 generally showed better performance. Patients with overestimation of O2 by pulse oximetry of > 3% had significant decreases in mortality prediction recall, from 0.63 to 0.59, P < 0.001. This mirrors clinical processes where biased pulse oximetry readings provide clinicians with false reassurance of patients' oxygen levels. A similar degradation happened in ML models, with pulse oximetry biases leading to more false negatives in predicting adverse outcomes.
- Abstract（参考訳）: 医療におけるアルゴリズムバイアスは、既存のデータバイアスを反映する。
しかし、不公平な要因は必ずしも分かっていない。
例えば、パルスオキシメータは、より暗い肌の個体の動脈酸素飽和を過大評価し、結果が悪化する。
このバイアスが機械学習(ML)モデルに与える影響は、まだ不明である。
本研究は,下流MLにおける医療機器バイアスの影響を定量化する技術的課題に対処する。
実験では, パルスオキシメトリのバイアスを伴わない「完璧な世界」を, SAO2 (血液ガス) を「実際の世界」と, SpO2 (パルスオキシメトリ) を用いてバイアス測定した「実際の世界」と比較した。
この対物設計の下では、2つのモデルが同じデータ、特徴、設定で訓練され、酸素飽和度を測定する方法を除いて: SaO2 を用いたモデルは「制御」であり、SpO2 を使用したモデルは「処理」である。
血液ガスオキシメトリリンクデータセットは163,396個のほぼ同時なSpO2-SaO2ペア測定結果を含む好適な試験層であった。
本研究は, 院内死亡率, 呼吸中SOFAスコア, 呼吸中SOFAスコアの3つの分類課題について検討した。
SpO2の代わりにSaO2を使用するモデルでは、一般的にパフォーマンスが向上した。
パルスオキシメトリーでO2を過大評価した患者は、死亡予測のリコールが0.63から0.59、P < 0.001と有意に減少した。
これは、偏光パルスオキシメトリーが臨床医に患者の酸素濃度の誤測定を与える臨床過程を反映している。
同様の劣化はMLモデルで発生し、パルスオキシメトリーのバイアスは、悪い結果を予測する際により偽陰性をもたらす。
関連論文リスト
- Causal Inference with Double/Debiased Machine Learning for Evaluating the Health Effects of Multiple Mismeasured Pollutants [9.545421693714768]
本稿では,他のPM2.5成分の存在下での1成分の因果効果の推定と推定について述べる。
回帰キャリブレーションを用いた推定器は整合性を示し,その分散を導出した。
看護師健康研究におけるPM2.5成分の認知機能に対する因果効果を評価するために本手法を適用した。
論文 参考訳（メタデータ） (2024-09-22T01:48:56Z) - Contrasting Deep Learning Models for Direct Respiratory Insufficiency Detection Versus Blood Oxygen Saturation Estimation [1.4149417323913716]
RI検出のための事前学習型音声ニューラルネットワーク(CNN6,CNN10,CNN14)とMasked Autoencoder(Audio-MAE)について検討した。
SpO2レベルを推定する回帰タスクでは、指のオキシメータの3.5%以上の根平均2乗誤差値が得られる。
我々はSpO2-regressionを92%の閾値でSpO2-Thresholdバイナリ分類問題に変換する。
論文 参考訳（メタデータ） (2024-07-30T17:26:16Z) - Improving Bias Correction Standards by Quantifying its Effects on Treatment Outcomes [54.18828236350544]
Propensity score matching (PSM) は、分析のために同等の人口を選択することで選択バイアスに対処する。
異なるマッチング手法は、すべての検証基準を満たす場合でも、同じタスクに対する平均処理効果(ATE)を著しく異なるものにすることができる。
この問題に対処するため,新しい指標A2Aを導入し,有効試合数を削減した。
論文 参考訳（メタデータ） (2024-07-20T12:42:24Z) - Deep Learning-Based Correction and Unmixing of Hyperspectral Images for
Brain Tumor Surgery [0.0]
修正とアンミックスのための2つの深層学習モデルを提案する。
1つはプロトポルフィリンIX(PpIX)濃度ラベルで訓練されている。
他方は半教師ありの訓練を受け、まずハイパースペクトルを解き放つ自己教師を学習し、続いて蛍光スペクトルの補正を学習する。
論文 参考訳（メタデータ） (2024-02-06T07:04:35Z) - How Does Pruning Impact Long-Tailed Multi-Label Medical Image
Classifiers? [49.35105290167996]
プルーニングは、ディープニューラルネットワークを圧縮し、全体的なパフォーマンスに大きな影響を及ぼすことなく、メモリ使用量と推論時間を短縮する強力なテクニックとして登場した。
この研究は、プルーニングがモデル行動に与える影響を理解するための第一歩である。
論文 参考訳（メタデータ） (2023-08-17T20:40:30Z) - Clinical Deterioration Prediction in Brazilian Hospitals Based on
Artificial Neural Networks and Tree Decision Models [56.93322937189087]
超強化ニューラルネットワーク(XBNet)は臨床劣化(CD)を予測するために用いられる
XGBoostモデルはブラジルの病院のデータからCDを予測する最良の結果を得た。
論文 参考訳（メタデータ） (2022-12-17T23:29:14Z) - Building Brains: Subvolume Recombination for Data Augmentation in Large
Vessel Occlusion Detection [56.67577446132946]
この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。
そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。
拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
論文 参考訳（メタデータ） (2022-05-05T10:31:57Z) - Bootstrapping Your Own Positive Sample: Contrastive Learning With
Electronic Health Record Data [62.29031007761901]
本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。
EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。
私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
論文 参考訳（メタデータ） (2021-04-07T06:02:04Z) - A proof of concept study for machine learning application to stenosis
detection [0.0]
haemodynamicsの1次元パルス波伝播モデルを用いて仮想患者データベース(vpd)を作成する。
4つの異なる機械学習(ML)メソッドを使用して、一連の分類器を訓練およびテストします。
論文 参考訳（メタデータ） (2021-02-11T19:39:33Z) - Machine learning for causal inference: on the use of cross-fit
estimators [77.34726150561087]
より優れた統計特性を得るために、二重ローバストなクロスフィット推定器が提案されている。
平均因果効果(ACE)に対する複数の推定器の性能評価のためのシミュレーション研究を行った。
機械学習で使用する場合、二重確率のクロスフィット推定器は、バイアス、分散、信頼区間のカバレッジで他のすべての推定器よりも大幅に優れていた。
論文 参考訳（メタデータ） (2020-04-21T23:09:55Z) - Robust Modelling of Reflectance Pulse Oximetry for SpO$_2$ Estimation [0.0]
肺疾患患者には酸素飽和度の連続モニタリングが不可欠である。
従来、SpO$$モニタリングは送信パルスオキシメータを使用して行われてきた。
反射パルスオキシメータは、指、手首、胸、額などの様々な場所で使用することができる。
論文 参考訳（メタデータ） (2020-04-14T04:53:14Z)
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。