构建公平的动脉粥样硬化性心血管疾病风险模型
机器学习
2019-06-17 v3 机器学习
摘要
动脉粥样硬化性心血管疾病(ASCVD)管理指南推荐使用风险分层模型来识别最可能从降胆固醇及其他疗法中获益的患者。这些模型在种族和性别群体间存在差异性表现，且在不同研究中行为不一致，可能导致有益治疗的不公平分配。在本工作中，我们利用对抗学习和从电子健康记录(EHRs)中提取的大型观察性队列，开发了一个在群体间误差率变异减小的“公平” ASCVD 风险预测模型。我们实证表明，对于基于高维 EHR 数据构建的模型，我们的方法能够同时对齐多个群体中以结局为条件的风险预测分布。我们还讨论了这些结果在公平性与模型性能之间经验权衡背景下的相关性。
引用
@article{arxiv.1809.04663,
title = {Creating Fair Models of Atherosclerotic Cardiovascular Disease Risk},
author = {Stephen Pfohl and Ben Marafino and Adrien Coulet and Fatima Rodriguez and Latha Palaniappan and Nigam H. Shah},
journal= {arXiv preprint arXiv:1809.04663},
year = {2019}
}