Algorithms Trained on Normal Chest X-rays Can Predict Health Insurance Types
Created by
Haebom
Category
Empty
저자
Chi-Yu Chen, Rawan Abulibdeh, Arash Asgari, Leo Anthony Celi, Deirdre Goode, Hassan Hamidi, Laleh Seyyed-Kalantari, Ned McCague, Thomas Sounack, Po-Chih Kuo
인공지능, 의료 영상에서 사회적 불평등의 흔적을 드러내다
개요
인공지능은 의료 영상, 특히 흉부 X-레이를 통해 질병뿐만 아니라 사회적 불평등의 보이지 않는 흔적까지 감지할 수 있음을 보여주는 연구. DenseNet121, SwinV2-B, MedMamba와 같은 최첨단 모델을 사용하여 흉부 X-레이에서 환자의 건강 보험 유형(사회경제적 지위의 대리 변수)을 상당한 정확도(MIMIC-CXR-JPG에서 AUC 약 0.67, CheXpert에서 0.68)로 예측할 수 있음을 확인. 나이, 인종, 성별을 통제하고, 단일 인종 그룹에 대해서만 모델을 훈련시킨 경우에도 신호가 지속됨. 패치 기반 폐색 분석을 통해 신호가 국소화되지 않고 상부 및 중부 흉부 영역에 흩어져 있음을 밝힘.
시사점, 한계점
•
시사점:
◦
의료 영상이 중립적인 생물학적 데이터라는 가설에 도전.
◦
모델이 임상 환경, 장비 차이 또는 진료 경로의 미묘한 흔적을 내재화하여 사회경제적 격차 자체를 학습할 수 있음을 시사.
◦
의료 AI의 공정성을 재정의: 데이터 세트 균형 조정 또는 임계값 조정뿐만 아니라 임상 데이터에 내재된 사회적 지문을 탐구하고 분리하는 것이 목표.
