面向医疗对话SOAP章节分类的公平性研究
计算机与社会
2020-12-15 v1 计算与语言
摘要
随着机器学习算法在医疗领域的部署日益广泛，算法公平性问题变得愈发关键。我们的工作旨在识别并理解一个已部署模型中的差异，该模型将医患对话分类为医疗SOAP记录中的各个章节。我们采用多种指标来衡量分类器性能中的差异，发现弱势群体中一部分存在微小差异。对这些对话语言的深入分析及进一步的分层表明，这些差异与医疗预约类型（如精神科与内科）相关，且往往可归因于此类类型。我们的发现强调了理解数据本身可能存在的差异及其如何影响模型公平惠及各方能力的重要性。
引用
@article{arxiv.2012.07749,
title = {Towards Fairness in Classifying Medical Conversations into SOAP Sections},
author = {Elisa Ferracane and Sandeep Konam},
journal= {arXiv preprint arXiv:2012.07749},
year = {2020}
}
备注
To be presented at AAAI TAIH Workshop 2021