Robustness and sex differences in skin cancer detection: logistic regression vs CNNs

要約

深い学習は、皮膚がんの検出において高いパフォーマンスを達成することが報告されていますが、結果とバイアスの再現性に関する多くの課題が残っています。
この研究は、患者の性別全体のロジスティック回帰（LR）と畳み込みニューラルネットワーク（CNN）の堅牢性を研究したアルツハイマー病に関する研究の複製（異なるデータ、同じ分析）です。
皮膚がんの検出におけるセックスバイアスを探り、皮膚ガイド（ABCDEおよび7ポイントチェックリスト）を反映した手作りの機能を訓練したLRを使用して、PAD-UFES-20データセットを使用して、事前に訓練されたResNet-50モデルを調査します。
これらのモデルを[28]とアライメントして評価します。さまざまな性的構成を備えた複数のトレーニングデータセットを越えて、堅牢性を決定します。
我々の結果は、LR​​とCNNの両方が性分布に対して堅牢であることを示していますが、結果は、CNNが女性患者よりも男性患者の受信機操作特性（AUROC）の下で有意に高い精度（ACC）と面積を持っていることを明らかにしました。
これらの調査結果が、一般的な医療機械学習方法における潜在的なバイアスを調査する成長分野に貢献することを願っています。
結果を再現するためのデータと関連するスクリプトは、githubで見つけることができます。

要約(オリジナル)

Deep learning has been reported to achieve high performances in the detection of skin cancer, yet many challenges regarding the reproducibility of results and biases remain. This study is a replication (different data, same analysis) of a study on Alzheimer’s disease [28] which studied robustness of logistic regression (LR) and convolutional neural networks (CNN) across patient sexes. We explore sex bias in skin cancer detection, using the PAD-UFES-20 dataset with LR trained on handcrafted features reflecting dermatological guidelines (ABCDE and the 7-point checklist), and a pre-trained ResNet-50 model. We evaluate these models in alignment with [28]: across multiple training datasets with varied sex composition to determine their robustness. Our results show that both the LR and the CNN were robust to the sex distributions, but the results also revealed that the CNN had a significantly higher accuracy (ACC) and area under the receiver operating characteristics (AUROC) for male patients than for female patients. We hope these findings to contribute to the growing field of investigating potential bias in popular medical machine learning methods. The data and relevant scripts to reproduce our results can be found in our Github.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google