본 논문은 심층 학습 기반의 신뢰할 수 있는 우울증 예측을 위해 예측 신뢰도와 다양한 인구 통계 집단에 걸친 알고리즘 공정성을 모두 고려하는 방법을 제시합니다. 불확실성 정량화를 통한 신뢰할 수 있는 우울증 예측은 최근 주목받고 있지만, 불확실성 정량화의 공정성에 대한 연구는 부족합니다. 본 연구는 불확실성 정량화의 알고리즘 공정성, 특히 동등 기회 적용(EOC) 공정성을 조사하고, 공정한 불확실성 정량화(FUQ) 방법을 제안합니다. FUQ는 그룹 기반 분석을 통해 신뢰할 수 있고 공정한 우울증 예측을 추구합니다. 각 인구 통계 그룹 내에서 불확실성을 정량화하기 위해 순응 예측을 활용하고, EOC 제약 조건 하에서 공정성을 제약 조건으로 하는 최적화 전략을 제안하여 예측 신뢰도를 유지하면서 다양한 인구 통계 그룹 간의 이질적인 불확실성 수준에 적응하여 최적의 공정성을 달성합니다. 여러 시각 및 음향 우울증 데이터 세트에 대한 광범위한 평가를 통해 접근 방식의 효과를 보여줍니다.
