种族,性别和年龄差异ECG的表现 深度学习模型预测心力衰竭
Dhamanpreet Kaur1, J Weston Hughes1, Albert J Rogers1
1Cardiovascular Institute, Stanford University, CA (D.K., J.W.H., A.J.R., S.M.N., E.A.A., M.V.P.).
Circulation. Heart failure
|December 21, 2023
概括
深度学习模型显示,在心力衰竭预测方面存在种族差异,特别影响年轻的黑人女性. 人口统计学个性化的概率值可以帮助减轻这些算法偏差.
科学领域:
- 心脏病学 心脏病学
- 人工智能的人工智能
- 健康 公平 卫生 公平
背景情况:
- 深度学习模型有可能解决心力衰竭 (HF) 结果中的种族差异.
- 然而,模型性能中的人口偏差需要进行彻底的调查.
研究的目的:
- 在深度学习模型中评估人口偏见,预测发生心力衰竭.
- 探索减轻发现的绩效差异的方法.
主要方法:
- 来自斯坦福医院 (2008-2018) 的326,518个12心电图的回顾性分析.
- 一个卷积神经网络模型预测了5年内发生的心力衰竭.
- 模型的性能被评估使用接收器运行特征曲线下的面积,按种族,种族,年龄和性别分层.
主要成果:
- 模型的性能随着年龄的增长而下降;没有发现整体种族差异.
- 该模型在0-40岁的黑人患者中表现明显差,特别是年轻的黑人女性.
- 标准偏差缓解技术没有提高性能;个性化的概率值显示出有希望.
结论:
- 深度学习模型中的算法偏差可以延续健康差异.
- 在部署人工智能用于心力衰竭预后和管理时,建议谨慎.
- 基于人口统计学的个性化概率值可能会减少算法差异.
