論文の概要: FairHealth: An Open-Source Python Library for Trustworthy Healthcare AI in Low-Resource Settings
- arxiv url: http://arxiv.org/abs/2605.08198v1
- Date: Tue, 05 May 2026 20:55:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-12 23:28:49.453937
- Title: FairHealth: An Open-Source Python Library for Trustworthy Healthcare AI in Low-Resource Settings
- Title（参考訳）: FairHealth - 低リソース環境で信頼できるヘルスケアAIのためのオープンソースPythonライブラリ
- Authors: Farjana Yesmin,
- Abstract要約: FairHealthは、医療アプリケーションで信頼できる機械学習のためのオープンソースのフレームワークです。
FairHealthは、既存のヘルスケアAIツールキットにおける4つの重要なギャップに対処する。
FairHealthは、同型暗号化によるフェデレーション学習をカバーする6つのモジュールを提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present FairHealth, an open-source Python library that provides a unified, modular framework for trustworthy machine learning in healthcare applications, with particular focus on low-resource and low-income country (LMIC) settings such as Bangladesh. FairHealth addresses four critical gaps in existing healthcare AI toolkits: (1) the absence of integrated fairness auditing for biosignals and clinical tabular data; (2) the lack of privacy-preserving federated learning tools compatible with standard ML workflows; (3) missing explainability tools tailored for low-bandwidth clinical decision support; and (4) no existing toolkit covering Global South healthcare datasets. Built from five peer-reviewed research contributions, FairHealth provides six modules covering federated learning with homomorphic encryption (fairhealth.federated), intersectional fairness metrics (fairhealth.fairness), hybrid fuzzy-SHAP explainability (fairhealth.explain), multilingual dengue triage (fairhealth.lowresource), equitable disaster aid allocation (fairhealth.equity), and public dataset loaders (fairhealth.datasets). All datasets used are publicly available without institutional data use agreements. FairHealth is installable via pip install fairhealth(PyPI: pypi.org/project/fairhealth/) and available at https://github.com/Farjana-Yesmin/fairhealth.
- Abstract（参考訳）: FairHealthはオープンソースのPythonライブラリで、医療アプリケーションにおいて信頼できる機械学習のための統一されたモジュール化されたフレームワークを提供し、特にバングラデシュのような低リソースで低所得国(LMIC)の設定に焦点を当てています。
FairHealthは、既存の医療AIツールキットにおいて、4つの重要なギャップに対処している。(1)バイオシグナーと臨床表型データの統合フェアネス監査の欠如、(2)標準MLワークフローと互換性のあるプライバシー保護フェデレーション学習ツールの欠如、(3)低バンド幅の臨床的決定支援に適した説明可能性ツールの欠如、(4)グローバルサウス医療データセットをカバーする既存のツールキット。
FairHealthは5つのピアレビュー研究コントリビューションから構築され、同型暗号化(fairhealth.federated)、交差フェアネスメトリクス(fairhealth.fairness)、ハイブリッドファジィSHAP説明可能性(fairhealth.explain)、マルチリンガルデングトリアージ(fairhealth.lowresource)、等価災害支援アロケーション(fairhealth.equity)、パブリックデータセットローダ(fairhealth.datasets)を含む6つのモジュールを提供している。
使用されるデータセットはすべて、制度的なデータ使用契約なしで公開されています。
FairHealth は pip install fairhealth (PyPI: pypi.org/project/fairhealth/) 経由でインストール可能で、https://github.com/Farjana-Yesmin/fairhealth.comで入手できる。
関連論文リスト
- PyHealth 2.0: A Comprehensive Open-Source Toolkit for Accessible and Reproducible Clinical Deep Learning [13.56149447961567]
PyHealth 2.0は、わずか7行のコードで予測モデリングを可能にする、拡張された臨床ディープラーニングツールキットである。
オープンソースファウンデーションであり、コミュニティがアクセス可能で再現可能な医療AIを推進している。
論文 参考訳（メタデータ） (2026-01-23T03:00:23Z) - Hulu-Med: A Transparent Generalist Model towards Holistic Medical Vision-Language Understanding [112.46150793476603]
透明で汎用的な医用ビジョンランゲージモデル(VLM)であるHulu-Medを紹介する。
Hulu-Medは1670万サンプルのキュレートされたコーパスで訓練されており、12の解剖学的システムと14の医用画像モダリティにまたがっている。
Hulu-Medは、30ベンチマーク中27ベンチマークで既存のオープンソースモデルを上回っ、16ベンチマークでGPT-4oなどのプロプライエタリシステムを上回っている。
論文 参考訳（メタデータ） (2025-10-09T17:06:42Z) - PyPulse: A Python Library for Biosignal Imputation [58.35269251730328]
PyPulseは,臨床およびウェアラブルの両方のセンサ設定において生体信号の計算を行うPythonパッケージである。
PyPulseのフレームワークは、非機械学習バイオリサーバーを含む幅広いユーザーベースに対して、使い勝手の良いモジュラーで拡張可能なフレームワークを提供する。
PyPulseはMITライセンスでGithubとPyPIでリリースしました。
論文 参考訳（メタデータ） (2024-12-09T11:00:55Z) - FairCLIP: Harnessing Fairness in Vision-Language Learning [20.743027598445796]
本稿では, 詳細な統計属性, 基盤ラベル, 臨床ノートを提供する, 視覚言語医学データセットについて紹介する。
この種の医療データセットとしては初めての公正なビジョン言語として、HarvardFairMedは、意識的かつ臨床的に有効な機械学習モデルの開発を触媒する可能性を秘めている。
論文 参考訳（メタデータ） (2024-03-29T03:15:31Z) - gaHealth: An English-Irish Bilingual Corpus of Health Data [2.3568264786920787]
gaHealthはアイルランド語の健康データの最初のバイリンガルコーパスである。
GaHealth corpus を用いて開発されたモデルは、トップパフォーマンスモデルと比較して最大22.2ポイント (40%) のBLEUスコアの改善を示した。
論文 参考訳（メタデータ） (2024-03-06T09:36:36Z) - TemporAI: Facilitating Machine Learning Innovation in Time Domain Tasks
for Medicine [91.3755431537592]
TemporAIは、機械学習(ML)タスクのためのオープンソースのPythonソフトウェアライブラリである。
時系列、静的、イベントモダリティのデータをサポートし、予測、因果推論、時間対イベント分析のためのインターフェースを提供する。
論文 参考訳（メタデータ） (2023-01-28T17:57:53Z) - Auditing Algorithmic Fairness in Machine Learning for Health with
Severity-Based LOGAN [70.76142503046782]
臨床予測タスクにおいて,局所バイアスを自動検出するSLOGANを用いて,機械学習ベースの医療ツールを補足することを提案する。
LOGANは、患者の重症度と過去の医療史における集団バイアス検出を文脈化することにより、既存のツールであるLOcal Group biAs detectioNに適応する。
SLOGANは, クラスタリング品質を維持しながら, 患者群の75%以上において, SLOGANよりも高い公平性を示す。
論文 参考訳（メタデータ） (2022-11-16T08:04:12Z) - HealthE: Classifying Entities in Online Textual Health Advice [0.0]
我々は、6,756の健康アドバイスからなる新しい注釈付きデータセットHealthEをリリースした。
HealthEは既存のNERコーパスに比べて、より粒度の細かいラベル空間を持っている。
我々は、エンティティクラス分類におけるテキストコンテキストパターンを活用する、新しいヘルスエンティティ分類モデルEP S-BERTを導入する。
論文 参考訳（メタデータ） (2022-10-06T23:18:24Z) - Health Status Prediction with Local-Global Heterogeneous Behavior Graph [69.99431339130105]
ウェアラブルセンサから継続的に収集される各種データストリームにより、健康状態の推定が可能です。
行動関連マルチソースデータストリームをローカル・グローバル・グラフでモデル化することを提案する。
学生生活データセットを用いて実験を行い,提案モデルの有効性を実証した。
論文 参考訳（メタデータ） (2021-03-23T11:10:04Z) - PyHealth: A Python Library for Health Predictive Models [53.848478115284195]
PyHealthは、医療データ上で様々な予測モデルを開発するためのオープンソースのPythonツールボックスである。
データ前処理モジュールにより、複雑なヘルスケアデータセットを機械学習フレンドリーなフォーマットに変換できます。
予測モデリングモジュールは、確立されたアンサンブルツリーとディープニューラルネットワークベースのアプローチを含む30以上の機械学習モデルを提供します。
論文 参考訳（メタデータ） (2021-01-11T22:02:08Z)
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。