解釈可能な音声障害検出システムにおけるグローバル指標を超えて：公平性分析

科学分野:

• 生物医学工学
• 音声科学
• ヘルスケアにおける人工知能

背景:

• 自動音声障害検出（AVDD）システムは、音声障害の診断に不可欠です。
• 既存のAVDDシステムは、異なる人口統計グループ間でパフォーマンスの格差を示すことがよくあります。
• グローバルなパフォーマンス指標は、AVDDシステムの精度における根本的なバイアスをマスクする可能性があります。

研究 の 目的:

• AVDDシステムにおける人口統計学依存バイアスを調査および定量化すること。
• AVDD信頼性の向上にグループ固有のキャリブレーション戦略の効果を評価すること。
• 年齢および性別コホート間でのパフォーマンスの違いに寄与する要因を特定すること。

主な方法:

• 人口統計メタデータを含む音声障害データセットを使用したAVDDシステムの分析。
• 正規化コストとクロスエントロピーを使用して、性別および年齢ベースのコホート全体でのシステムパフォーマンスの評価。
• キャリブレーション不良を軽減するためのグループ固有のキャリブレーション技術の適用。

主要な成果:

• 全体的な指標が高いにもかかわらず、人口統計グループ間で顕著なパフォーマンスの格差が観察されました。
• AVDDシステムは、高齢の健常話者と若年の障害のある話者を誤分類するバイアスを示しました。
• グループ固有のキャリブレーションは、事後確率推定を改善し、過度の自信を低減しました。

結論:

• AVDDシステムの公平な評価には、グローバルなパフォーマンス指標では不十分です。
• 信頼性の高い音声障害検出には、人口統計学に依存した分析とキャリブレーションが不可欠です。
• この調査結果は、生物医学的分類タスクにおけるバイアス軽減を改善するためのフレームワークを提供します。