生物信号数据集中的人口报告:对PhysioNet开放访问数据库的全面分析
Sarah Jiang1, Perisa Ashar2, Md Mobashir Hasan Shandhi2
1Department of Biomedical Engineering, Duke University, Durham, NC, USA; Department of Computer Science, Duke University, Durham, NC, USA.
The Lancet. Digital health
|October 2, 2024
概括
PhysioNet数据库缺乏全面的人口统计报告,大多数研究都缺少参与者的关键细节,如种族和种族. 这种数据不平衡引发了人们对使用这些生物信号数据开发的AI算法偏差的担忧.
科学领域:
- 生物医学信息学 生物医学信息学
- 健康 数据科学 数据科学
- 医学AI研究AI研究
背景情况:
- 物理网络数据库 (PND) 是用于算法开发的生物信号数据的关键资源.
- 了解参与者人口统计学对于将算法结果置于背景和识别潜在偏差至关重要.
- 数据集中的不完整的人口统计报告可能会阻碍人工智能和机器学习工具在医学中的公平发展.
研究的目的:
- 在PhysioNet数据库中分析人口统计数据的报告模式和特征.
- 评估关键变量报告的完整性:种族,种族,性别和年龄.
- 识别生物信号数据集中的人口失衡导致的潜在偏差.
主要方法:
- 在PhysioNet数据库中对181个独特数据集进行系统审查 (截至2023年7月6日).
- 对四个主要的人口变量报告完整性的分析:种族,种族,性别/性别和年龄.
- 在报告的研究中评估地理分布和性别/性别代表性.
主要成果:
- 181个数据集中只有175个涉及人类参与者.
- 不到7%的研究报告了所有四个主要的人口变量.
- 性别/性别和年龄比种族和种族更频繁地被报告.
- 研究主要以男性参与者为特色,集中在北美,特别是美国.
- 观察到大量报告不足和人口统计数据的不平衡.
结论:
- 在PhysioNet数据库中不完整和不平衡的人口统计报告可能会导致AI/ML算法中嵌入偏差的风险.
- 这些发现强调了对标准化,全面的人口统计报告实践的迫切需要.
- 确保生物信号数据中的公平代表性对于负责任的医疗AI开发和部署至关重要.
