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

Autores
Perero, Juan Manuel; Ferrante, Enzo; Larrateguy, Luis Darío; Di Persia, Leandro; Rufiner, Hugo Leonardo
Año de publicación
2023
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
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
Materia
Ciencias Informáticas
Aprendizaje de diccionarios
detección de transtornos del sueño
sesgos
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/166477
Acceder
id SEDICI_cfcd262d7f196cb9d8fc892e0ac889bb
oai_identifier_str oai:sedici.unlp.edu.ar:10915/166477
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Análisis de sesgos en algoritmos de clasificación de oximetría de pulso para detección de trastornos del sueñoAnalysis of biases in classification algorithms of pulse oximetry for detection of sleep disordersPerero, Juan ManuelFerrante, EnzoLarrateguy, Luis DaríoDi Persia, LeandroRufiner, Hugo LeonardoCiencias InformáticasAprendizaje de diccionariosdetección de transtornos del sueñosesgosLa 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 Operativa2023-09info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf74-77http://sedici.unlp.edu.ar/handle/10915/166477spainfo:eu-repo/semantics/altIdentifier/url/https://publicaciones.sadio.org.ar/index.php/JAIIO/article/view/540info:eu-repo/semantics/altIdentifier/issn/2451-7496info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-06-23T11:06:31Zoai:sedici.unlp.edu.ar:10915/166477Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-06-23 11:06:31.665SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv 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
title Análisis de sesgos en algoritmos de clasificación de oximetría de pulso para detección de trastornos del sueño
spellingShingle Análisis de sesgos en algoritmos de clasificación de oximetría de pulso para detección de trastornos del sueño
Perero, Juan Manuel
Ciencias Informáticas
Aprendizaje de diccionarios
detección de transtornos del sueño
sesgos
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
dc.creator.none.fl_str_mv Perero, Juan Manuel
Ferrante, Enzo
Larrateguy, Luis Darío
Di Persia, Leandro
Rufiner, Hugo Leonardo
author Perero, Juan Manuel
author_facet Perero, Juan Manuel
Ferrante, Enzo
Larrateguy, Luis Darío
Di Persia, Leandro
Rufiner, Hugo Leonardo
author_role author
author2 Ferrante, Enzo
Larrateguy, Luis Darío
Di Persia, Leandro
Rufiner, Hugo Leonardo
author2_role author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Aprendizaje de diccionarios
detección de transtornos del sueño
sesgos
topic Ciencias Informáticas
Aprendizaje de diccionarios
detección de transtornos del sueño
sesgos
dc.description.none.fl_txt_mv 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
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.
publishDate 2023
dc.date.none.fl_str_mv 2023-09
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/166477
url http://sedici.unlp.edu.ar/handle/10915/166477
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://publicaciones.sadio.org.ar/index.php/JAIIO/article/view/540
info:eu-repo/semantics/altIdentifier/issn/2451-7496
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
74-77
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1868982432502382592
score 13.265058

Publicaciones similares