概要 - 皮膚組織学的画像から患者の自己報告された人種を予測すること

タイトル
皮膚組織学的画像から患者の自己報告された人種を予測すること

時間
2025-07-29 15:27:39

著者
{"Shengjia Chen","Ruchika Verma","Kevin Clare","Jannes Jegminat","Kuan-lin Huang","Brandon Veremis","Thomas Fuchs","Gabriele Campanella"}

カテゴリ
{cs.CV,cs.CE}

リンク
http://arxiv.org/abs/2507.21912v1

PDF リンク
http://arxiv.org/pdf/2507.21912v1

概要

この研究は、深層学習（DL）モデルがデジタライズされた皮膚病理学スライドから自己報告の種族を予測できるかどうかを調査しています。研究は、多施設データセットを使用し、種族の多様な人口を対象にし、種族に関連する形態学的特徴を特定するために注目に基づくメカニズムを利用しました。 主要な発見点は以下の通りです： - DLモデルは、特に白人と黒人患者に対して、中程度の精度で自己報告の種族を予測できます。 - 皮膚組織スライドで通常10-20%を占める表皮が最も強い予測特徴として特定されました。 - 注目分析では、表皮領域が高い注目を集めることが判明し、種族を予測する際の重要性が示されました。 - 病変の分布や患者のサンプルバイアスはモデルの性能に影響を与えます。 - 研究は、病理におけるAIの公正な展開を確保するため、データの慎重な整理とバイアス軽減の必要性を強調しています。 この研究は、計算病理学モデルにおける人口学的短絡の問題点を提起し、AIアプリケーションにおける公正を確保するために人口学的バイアスやデータセットの整理を考慮することの重要性を強調しています。


推奨論文

半環環Turing機のFaginの定理

紫外線プラズモニック技術で構成された自動蛍光減衰シリーズ（AFTDS）に機械学習を適用することでモノアミン神経伝達物質を分類する新しいアプローチ

クラウドにおけるHSMおよびTPMセキュリティの再考：現実の攻撃と次世代の防御策

薄膜におけるランダムプラズマ照射下の双峰分布の正確な解

ルーブリックとしての報酬：確認可能な領域を超えた強化学習

チップレットパート：2.5Dシステムのためのスケーラブルなコスト意識型パーティショニング

禁止パターンと植えられた色を持つエッジ色付け問題

GenoMAS：コード駆動型遺伝子発現解析を通じて科学発見のためのマルチエージェントフレームワーク

時砂並べ：新しい並列ソートアルゴリズムとその実装

夢：インタラクティブな世界生成モデル