Análisis de sesgos en algoritmos de clasificación de oximetría de pulso para detección de trastornos del sueño

La utilización de algoritmos y técnicas de aprendizaje automático dentro del ámbito de la medicina ha demostrado ser de gran utilidad en tareas de asistencia al diagnóstico. Al mismo tiempo, durante los últimos años, se han dado a conocer problemáticas importantes que afectan el funcionamiento de es...

Descripción completa

Detalles Bibliográficos
Autores principales: Perero, Juan Manuel, Ferrante, Enzo, Larrateguy, Luis Darío, Di Persia, Leandro, Rufiner, Hugo Leonardo
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2023
Materias:
Ciencias Informáticas
Aprendizaje de diccionarios
detección de transtornos del sueño
sesgos
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/166477
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-166477
record_format dspace
spelling I19-R120-10915-1664772024-05-28T20:04:41Z http://sedici.unlp.edu.ar/handle/10915/166477 Análisis de sesgos en algoritmos de clasificación de oximetría de pulso para detección de trastornos del sueño Analysis of biases in classification algorithms of pulse oximetry for detection of sleep disorders Perero, Juan Manuel Ferrante, Enzo Larrateguy, Luis Darío Di Persia, Leandro Rufiner, Hugo Leonardo 2023-09 2023 2024-05-28T14:42:31Z es Ciencias Informáticas Aprendizaje de diccionarios detección de transtornos del sueño sesgos La utilización de algoritmos y técnicas de aprendizaje automático dentro del ámbito de la medicina ha demostrado ser de gran utilidad en tareas de asistencia al diagnóstico. Al mismo tiempo, durante los últimos años, se han dado a conocer problemáticas importantes que afectan el funcionamiento de estos métodos en subpoblaciones específicas, presentando un rendimiento dispar en determinados grupos demográficos. Este rendimiento dispar suele estar asociado a la subrepresentación de dichas poblaciones en los datos utilizados durante el entrenamiento, resultando en modelos sesgados. Este es un trabajo preliminar que busca explorar la existencia de sesgos en la clasificación de apnea a partir de oximetría de pulso considerando diferentes grupos étnicos. Para ello, se utiliza una base de datos con información étnica de pacientes y un algoritmo para detectar trastornos de sueño como apneas o hipopneas. Para la detección de dichos eventos, se emplea sólo la señal de saturación periférica de oxígeno en sangre (SpO2) junto al algoritmo basado en aprendizaje de diccionarios DAS-KSVD. Los experimentos consisten en analizar la base de datos de polisomnografía MESA, que contiene cuatro grupos étnicos, utilizando la señal de SpO2 para el aprendizaje de diccionarios con los que se mejora el proceso de detección de patologías. The use of machine learning algotithms and techniques within the field of medicine has proven to be very useful in diagnostic assistance tasks. At the same time, in recent years, important issues have been revealed that affect the performance of these methods in specific subpopulations, presenting uneven performance in certain demographic groups. This uneven performance is often associated with the underrepresentation of these populations in the data used during training, resulting in biased models. This is a preliminary work that seeks to explore the existence of biases in the classification of apnea from pulse oximetry considering different ethnic groups. To do this, a database with ethnic information on patients and an algorithm to detect sleep disorders such as apnea or hypopnea are used. For the detection of such events, only the peripheral blood oxygen saturation (SpO2) signal is used together with the algorithm based on DAS-KSVD dictionary learning. The experiments consist of analyzing the MESA polysomnography database, which contains four ethnic groups, using the SpO2 signal for dictionary learning that improves the pathology detection process. Sociedad Argentina de Informática e Investigación Operativa Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 74-77
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Aprendizaje de diccionarios
detección de transtornos del sueño
sesgos
spellingShingle Ciencias Informáticas
Aprendizaje de diccionarios
detección de transtornos del sueño
sesgos
Perero, Juan Manuel
Ferrante, Enzo
Larrateguy, Luis Darío
Di Persia, Leandro
Rufiner, Hugo Leonardo
Análisis de sesgos en algoritmos de clasificación de oximetría de pulso para detección de trastornos del sueño
topic_facet Ciencias Informáticas
Aprendizaje de diccionarios
detección de transtornos del sueño
sesgos
description La utilización de algoritmos y técnicas de aprendizaje automático dentro del ámbito de la medicina ha demostrado ser de gran utilidad en tareas de asistencia al diagnóstico. Al mismo tiempo, durante los últimos años, se han dado a conocer problemáticas importantes que afectan el funcionamiento de estos métodos en subpoblaciones específicas, presentando un rendimiento dispar en determinados grupos demográficos. Este rendimiento dispar suele estar asociado a la subrepresentación de dichas poblaciones en los datos utilizados durante el entrenamiento, resultando en modelos sesgados. Este es un trabajo preliminar que busca explorar la existencia de sesgos en la clasificación de apnea a partir de oximetría de pulso considerando diferentes grupos étnicos. Para ello, se utiliza una base de datos con información étnica de pacientes y un algoritmo para detectar trastornos de sueño como apneas o hipopneas. Para la detección de dichos eventos, se emplea sólo la señal de saturación periférica de oxígeno en sangre (SpO2) junto al algoritmo basado en aprendizaje de diccionarios DAS-KSVD. Los experimentos consisten en analizar la base de datos de polisomnografía MESA, que contiene cuatro grupos étnicos, utilizando la señal de SpO2 para el aprendizaje de diccionarios con los que se mejora el proceso de detección de patologías.
format Objeto de conferencia
Objeto de conferencia
author Perero, Juan Manuel
Ferrante, Enzo
Larrateguy, Luis Darío
Di Persia, Leandro
Rufiner, Hugo Leonardo
author_facet Perero, Juan Manuel
Ferrante, Enzo
Larrateguy, Luis Darío
Di Persia, Leandro
Rufiner, Hugo Leonardo
author_sort Perero, Juan Manuel
title Análisis de sesgos en algoritmos de clasificación de oximetría de pulso para detección de trastornos del sueño
title_short Análisis de sesgos en algoritmos de clasificación de oximetría de pulso para detección de trastornos del sueño
title_full Análisis de sesgos en algoritmos de clasificación de oximetría de pulso para detección de trastornos del sueño
title_fullStr Análisis de sesgos en algoritmos de clasificación de oximetría de pulso para detección de trastornos del sueño
title_full_unstemmed Análisis de sesgos en algoritmos de clasificación de oximetría de pulso para detección de trastornos del sueño
title_sort análisis de sesgos en algoritmos de clasificación de oximetría de pulso para detección de trastornos del sueño
publishDate 2023
url http://sedici.unlp.edu.ar/handle/10915/166477
work_keys_str_mv AT pererojuanmanuel analisisdesesgosenalgoritmosdeclasificaciondeoximetriadepulsoparadetecciondetrastornosdelsueno
AT ferranteenzo analisisdesesgosenalgoritmosdeclasificaciondeoximetriadepulsoparadetecciondetrastornosdelsueno
AT larrateguyluisdario analisisdesesgosenalgoritmosdeclasificaciondeoximetriadepulsoparadetecciondetrastornosdelsueno
AT dipersialeandro analisisdesesgosenalgoritmosdeclasificaciondeoximetriadepulsoparadetecciondetrastornosdelsueno
AT rufinerhugoleonardo analisisdesesgosenalgoritmosdeclasificaciondeoximetriadepulsoparadetecciondetrastornosdelsueno
AT pererojuanmanuel analysisofbiasesinclassificationalgorithmsofpulseoximetryfordetectionofsleepdisorders
AT ferranteenzo analysisofbiasesinclassificationalgorithmsofpulseoximetryfordetectionofsleepdisorders
AT larrateguyluisdario analysisofbiasesinclassificationalgorithmsofpulseoximetryfordetectionofsleepdisorders
AT dipersialeandro analysisofbiasesinclassificationalgorithmsofpulseoximetryfordetectionofsleepdisorders
AT rufinerhugoleonardo analysisofbiasesinclassificationalgorithmsofpulseoximetryfordetectionofsleepdisorders
_version_ 1807223111016251392

Ejemplares similares