Impacto del desbalance de género en la detección de patologías en imágenes médicas mediante redes neuronales profundas

AGOSTINA LARRAZABAL; DIEGO MILONE; VICTORIA PETERSON; MAXIMILIANO FERNANDEZ; NICOLÁS NIETO; ENZO FERRANTE

Santa Fe

Congreso; Congreso Internacional de Género en Ciencia, Tecnología e Innovación; 2019

En la actualidad, los algoritmos basados en inteligencia artificial (IA) para la clasificación de imágenes se encuentran presentes en nuestra vida cotidiana. Redes sociales, teléfonos móviles e incluso los equipos de captura de imágenes médicas ya incluyen este tipo de tecnologías para identificación de rostros o asistencia al diagnóstico de enfermedades. Recientemente se ha mostrado que dichos algoritmos pueden presentar un sesgo en su proceso de aprendizaje cuando las bases de datos utilizadas para su entrenamiento no son cuidadosamente diseñadas [1]. El aprendizaje con datos desbalanceados (donde determinadas poblaciones se encuentran sub-representadas) suele resultar en un proceso de clasificación sesgado, con alta tasa de error de clasificación en grupos minoritarios. En particular, en este trabajo nos centraremos en el análisis del desbalance de género en bases de datos de imágenes médicas, donde un algoritmo de IA para detección automática de enfermedades es entrenado mayoritariamente con imágenes de pacientes de género masculino, pero evaluado en pacientes del género femenino.