論文の概要: FairGlucose: A CGM Fairness Benchmark Reveals Subgroup Disparities Hidden in Population-Level Validation
- arxiv url: http://arxiv.org/abs/2608.18296v1
- Date: Tue, 18 Aug 2026 20:20:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-20 20:13:55.203557
- Title: FairGlucose: A CGM Fairness Benchmark Reveals Subgroup Disparities Hidden in Population-Level Validation
- Title（参考訳）: FairGlucose: CGMのフェアネスベンチマークが、人口レベルの検証に隠されたサブグループ格差を明らかに
- Abstract要約: 2時間ブドウ糖予測では,4家系33モデルを比較検討した。
サブグループレベルの比率は0.8から1.4であり、T1D患者はT2Dよりも6mg/dL高い予測誤差を示した。
フロンティアは1-6 mg/dLの特殊なニューラルモデルを実行し、行動事象はオラクルイベントアクセスにおいても無視的に(約0.1 mg/dL)寄与する。
- 参考スコア（独自算出の注目度）: 3.2134213559476774
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: As CGM-based AI tools approach clinical deployment, whether their accuracy is equitable across patient demographics remains insufficiently tested. To enable this evaluation, we constructed FairGlucose, a 300-patient CGM cohort balanced across 12 demographic strata (age x gender x type 1/type 2 diabetes), with 132,480 forecasting samples and 3,945 unique behavioral events (meals, exercise, medication) logged by 81 patients. Benchmarking 33 models across four families on 2-hour glucose forecasting, we find that population-level external validation can conceal substantial subgroup disparities. Aggregate out-of-distribution metrics appear stable (approximately 1.0), yet subgroup-level ratios range from 0.8 to 1.4, with T1D patients showing 6 mg/dL higher prediction error than T2D (p < 0.001). This disparity persists across all 33 models, suggesting a property of the prediction task rather than any single architecture. Further analysis shows that subgroup performance gaps align with the proportion of clinically hard cases, and that input-length sensitivity varies across demographics, motivating personalized configurations. Frontier LLMs underperform specialized neural models by 1-6 mg/dL; behavioral events contribute negligibly (approximately 0.1 mg/dL) even under oracle event access. These findings establish that population-level validation alone is insufficient for equity assessment of digital health AI, motivating subgroup-disaggregated reporting as a default standard.
- Abstract（参考訳）: CGMベースのAIツールが臨床展開に近づくにつれ、患者の年齢層間で精度が同等かどうかはまだ十分にテストされていない。
この評価を実現するため,12型(年齢xxx型1型2型糖尿病)と132,480検体,3,945検体(食事,運動,薬物)のバランスをとる300名のCGMコホートであるFairGlucoseを構築した。
2時間ブドウ糖予測で4家系33モデルをベンチマークした結果,集団レベルの外的妥当性は集団間格差を隠蔽する可能性が示唆された。
Aggregate out-of-distriion metrics are stable (a roughly 1.0) but subgroup-level ratios range 0.8 to 1.4, with T1D patients showed 6 mg/dL higher prediction error than T2D (p < 0.001)。
この格差は33モデルすべてにわたって持続しており、単一のアーキテクチャよりも予測タスクの特性を示唆している。
さらに分析したところ、サブグループのパフォーマンスギャップは臨床的に難しい症例の割合と一致しており、入力長の感度は人口層によって異なり、パーソナライズされた構成を動機付けていることがわかった。
Frontier LLMは1-6 mg/dLの特殊なニューラルモデルを実行し、行動事象はオラクルイベントアクセスにおいても無視的に(約0.1 mg/dL)寄与する。
これらの結果から,デジタルヘルスAIのエクイティ評価には,集団レベルの検証だけでは不十分であることが確認された。
関連論文リスト
- RareLens: Towards End-to-End Rare Disease Care via Aligning Divergent Large Language Model Reasoning [42.80742579670377]
RareLensは、まれな疾患の軌跡全体にわたる臨床的意思決定を支援するシステムである。
RareBenchは、33のOrphanetカテゴリと7000以上の条件にまたがる157,525件の実際のデータセットである。
検診で0.917、診断と治療で65.5%、89.8%の成績を収めた。
論文 参考訳（メタデータ） (2026-07-25T16:58:10Z) - PsychBench: Auditing Epidemiological Fidelity in Large Language Model Mental Health Simulations [0.0]
大きな言語モデルは、臨床訓練、研究、メンタルヘルスツールのために患者をシミュレートするためにますます多くデプロイされている。
LLM患者シミュレーションの最初の疫学的検査である PsychBench を紹介した。
モデルでは, 抽出した個体群を誤って表現しながら, 臨床的に有意な個体を生成できることが示唆された。
論文 参考訳（メタデータ） (2026-04-19T10:05:25Z) - Robust Fair Disease Diagnosis in CT Images [6.957497306200416]
クラス不均衡とグループアンダー表現はしばしば一致し、複合的な障害モードを生み出します。
この問題の両軸を対象とする2段階の目標を提案する。
Kinetics-400で事前訓練した3D ResNet-18を用いたFair Disease Diagnosisベンチマークについて検討した。
論文 参考訳（メタデータ） (2026-04-08T03:37:44Z) - PanCanBench: A Comprehensive Benchmark for Evaluating Large Language Models in Pancreatic Oncology [48.732366302949515]
大規模言語モデル(LLM)は、標準化された検査において専門家レベルの性能を達成したが、複数の選択精度は現実の臨床的有用性や安全性を十分に反映していない。
我々は、未確認患者の質問に対して、専門家のルーブリックを作成するための、ループ内人間パイプラインを開発した。
LLM-as-a-judge フレームワークを用いて,22のプロプライエタリおよびオープンソース LLM の評価を行い,臨床完全性,事実精度,Web-search 統合について検討した。
論文 参考訳（メタデータ） (2026-03-02T00:50:39Z) - Explainable Admission-Level Predictive Modeling for Prolonged Hospital Stay in Elderly Populations: Challenges in Low- and Middle-Income Countries [65.4286079244589]
長期滞在期間 (pLoS) は, 院内感染のリスクに関連する重要な要因である。
入院レベルの患者と病院の診療データを用いて, pLosの予測モデルを開発し, 解説する。
論文 参考訳（メタデータ） (2026-01-07T23:35:24Z) - Intersectional Fairness in Vision-Language Models for Medical Image Disease Classification [25.30858592524878]
CMAC-MMD(Cross-Modal Alignment Consistency)は、横断的な患者サブグループ間で診断の確実性を標準化するトレーニングフレームワークである。
皮膚科コホートでは, 交叉異常診断ギャップ(正陽性率差$TPR)を0.50から0.26に減らした。
緑内障検診では、TPRが0.41ドルから0.31ドルに値下げされ、より良いAUCが0.72ドル(vs. 0.71ベースライン)となった。
論文 参考訳（メタデータ） (2025-12-17T09:47:29Z) - Developing Fairness-Aware Task Decomposition to Improve Equity in Post-Spinal Fusion Complication Prediction [3.860970992977915]
術後合併症予測のための公平性を考慮したマルチタスク学習フレームワークを提案する。
FAIR-MTLはデータ駆動型サブグループ推論機構を採用している。
AUCは0.86であり、75%の精度でシングルタスクベースラインを上回り、バイアスを大幅に低減する。
論文 参考訳（メタデータ） (2025-11-29T19:06:07Z) - AttentiveGRUAE: An Attention-Based GRU Autoencoder for Temporal Clustering and Behavioral Characterization of Depression from Wearable Data [46.262619407930266]
本稿では,時間的クラスタリングと縦型ウェアラブルデータによる結果の予測を目的とした,新しい注意型ゲートリカレントユニット(GRU)オートエンコーダであるAttentiveGRUAEを提案する。
372名(GLOBEM 2018-2019)の長期睡眠データからAttentiveGRUAEを評価する。
これは、クラスタリングの品質と抑うつの分類の両方において、ベースラインクラスタリング、ドメイン指向の自己教師付きモデル、および改善されたモデルよりも優れたパフォーマンスを示す。
論文 参考訳（メタデータ） (2025-10-02T20:52:16Z) - Predicting Length of Stay in Neurological ICU Patients Using Classical Machine Learning and Neural Network Models: A Benchmark Study on MIMIC-IV [49.1574468325115]
本研究は、MIMIC-IVデータセットに基づく神経疾患患者を対象とした、ICUにおけるLOS予測のための複数のMLアプローチについて検討する。
評価されたモデルには、古典的MLアルゴリズム(K-Nearest Neighbors、Random Forest、XGBoost、CatBoost)とニューラルネットワーク(LSTM、BERT、テンポラルフュージョントランス)が含まれる。
論文 参考訳（メタデータ） (2025-05-23T14:06:42Z) - Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。
そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文 参考訳（メタデータ） (2024-04-26T16:39:50Z) - Classification supporting COVID-19 diagnostics based on patient survey
data [82.41449972618423]
新型コロナウイルス患者の効果的なスクリーニングを可能にするロジスティック回帰とXGBoost分類器が作成された。
得られた分類モデルは、DECODEサービス(decode.polsl.pl)の基礎を提供し、COVID-19病患者のスクリーニング支援に役立てることができる。
このデータセットは、3,000以上のサンプルで構成されており、ポーランドの病院で収集されたアンケートに基づいている。
論文 参考訳（メタデータ） (2020-11-24T17:44:01Z)
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。