遠隔パーキンソン病のAI駆動評価におけるデバイスのタイプと手性バイアスの定量化

科学分野:

• デジタル・ヘルス
• 機械学習
• 神経学

背景:

• アルゴリズムの公平性や デジタル・ヘルス・エクイティは 人工知能が主導する医療において 重要な問題です
• パーキンソン病 (PD) を含む疾患の予測に機械学習 (ML) モデルはますます使用されています.
• 指と手の動きの構造的な評価はPDの検出に役立つデータを提供します.

研究 の 目的:

• PDを予測するMLモデルにおけるアルゴリズムの公平性とデジタル健康の公平性を調査する.
• 人口偏差,デバイスタイプ,PD予測の精度に対する影響を評価する.
• 遠隔デジタル健康診断の潜在的なバイアスを特定する.

主な方法:

• 251人の参加者 (99人がPDまたはPDの疑い,152人が無) からデータを収集した.
• 指と手の動きのデータに基づく PD予測のためのランダムな森林モデルを使用しました.
• 精度,AUROC,感度,特異性,F1スコアを用いてモデルの性能を評価した.
• 人口集団,デバイスタイプ,手つきのバイアスを調査し,異なるインパクトと均等な確率を使用しました.

主要な成果:

• ランダムフォレストモデルは92%の精度,94%のAUROC,86%の感度,92%の特異性,84%のF1スコアを達成しました.
• グループ間でのF1スコア差のみを調査したところ,有意なバイアスは検出されなかった.
• デバイスのタイプと支配的な手に関してバイアスが特定され,ポジティブな予測とエラー率に影響を与えました.
• 性別や民族性はPDの予測に統計的に有意な影響を及ぼさなかった.

結論:

• PDのリモートデジタル健康診断には 認識されていないバイアスが含まれるかもしれません
• 手つきとデバイスの特徴はバイアスを導入し,潜在的に社会経済的要因の代理として作用します.
• これらのバイアスを解消することは 神経学的疾患に対する 公平なデジタル・ヘルス・ソリューションを確保するために 極めて重要です