본 논문은 자기공명영상(MRI)을 이용한 알츠하이머병 진단에서 심층학습(DL) 알고리즘의 지름길 학습(shortcut learning) 및 인구통계학적 편향 문제를 조사합니다. 연구는 먼저 DL 알고리즘이 3D 뇌 MRI 스캔에서 인종 또는 성별을 식별할 수 있는지 조사하여 인종 및 성별 기반의 분포 이동 여부를 확인합니다. 다음으로, 인종 또는 성별에 따른 훈련 세트 불균형이 모델 성능 저하를 유발하는지 조사하여 지름길 학습 및 편향 여부를 확인합니다. 마지막으로, 보호 속성과 알츠하이머병 분류 작업 모두에 대해 서로 다른 뇌 영역의 특징 귀속에 대한 정량적 및 정성적 분석을 수행합니다. 여러 데이터 세트와 DL 모델(ResNet 및 SwinTransformer)을 사용하여 인종 및 성별 기반 지름길 학습 및 편향이 DL 기반 알츠하이머병 분류에 존재함을 보여줍니다. 본 연구는 뇌 MRI에서 더 공정한 DL 진단 도구를 위한 기반을 마련합니다.
