U-Fair: Uncertainty-based Multimodal Multitask Learning for Fairer Depression Detection

要約

メンタルヘルスにおける機械学習のバイアスは、ますます重要な課題となっています。
マルチタスクアプローチがユニタスクアプローチよりもうまく機能することが多いことを示す有望な取り組みにもかかわらず、マルチタスク学習がうつ病検出のパフォーマンスと公平性に与える影響を調査したり、より公平な予測結果を達成するためにマルチタスク学習を活用したりする研究はほとんどありません。
この研究では、うつ病検出のパフォーマンスと公平性を向上させるために、マルチタスク アプローチを使用する体系的な調査に取り組みます。
我々は、PHQ-8 アンケートの構造に基づいた不確実性を利用した、性別に基づいたタスクの再重み付けを行う新しい方法を提案します。
私たちの結果は、マルチタスクアプローチはユニットタスクアプローチと比較してパフォーマンスと公平性を向上させますが、結果が常に一貫しているわけではなく、負の転送とパレートフロンティアの減少の証拠が見られることを示しています。これはハイリスクの医療環境を考えると懸念事項です
。
私たちが提案する不確実性を伴う性別ベースの再重み付けアプローチは、パフォーマンスと公平性を向上させ、両方の課題をある程度軽減します。
PHQ-8 の各サブ項目の課題の難易度に関する我々の調査結果は、PHQ-8 サブ項目の識別能力について実施された最大規模の研究とも一致しており、ML の調査結果と PHQ-8 で実施された大規模な実証的集団研究を結び付ける最初の具体的な証拠を提供しています。
8.

要約(オリジナル)

Machine learning bias in mental health is becoming an increasingly pertinent challenge. Despite promising efforts indicating that multitask approaches often work better than unitask approaches, there is minimal work investigating the impact of multitask learning on performance and fairness in depression detection nor leveraged it to achieve fairer prediction outcomes. In this work, we undertake a systematic investigation of using a multitask approach to improve performance and fairness for depression detection. We propose a novel gender-based task-reweighting method using uncertainty grounded in how the PHQ-8 questionnaire is structured. Our results indicate that, although a multitask approach improves performance and fairness compared to a unitask approach, the results are not always consistent and we see evidence of negative transfer and a reduction in the Pareto frontier, which is concerning given the high-stake healthcare setting. Our proposed approach of gender-based reweighting with uncertainty improves performance and fairness and alleviates both challenges to a certain extent. Our findings on each PHQ-8 subitem task difficulty are also in agreement with the largest study conducted on the PHQ-8 subitem discrimination capacity, thus providing the very first tangible evidence linking ML findings with large-scale empirical population studies conducted on the PHQ-8.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google