Sesgo Algorítmico en Poblaciones Clínicas—Evaluando y Mejorando la Tecnología de Análisis Facial en Adultos Mayores con Demencia

La necesidad de un análisis automatizado de expresiones faciales surge en varios entornos clínicos que involucran la evaluación de la salud mental y física de los adultos mayores. Sin embargo, el efecto de la edad (joven versus viejo) y la capacidad (saludable versus deterioro físico o cognitivo) en el rendimiento de los métodos disponibles aún no ha sido investigado. En este artículo, demostramos un sesgo que afecta el rendimiento de los algoritmos comunes de detección de puntos de referencia faciales y reconocimiento de expresiones en las caras de adultos mayores con demencia. También investigamos las formas de mitigar este sesgo mediante la adición de ejemplos de entrenamiento representativos. Los resultados muestran que la colocación de puntos de referencia es menos precisa cuando se prueba en las caras de individuos con demencia en comparación con adultos mayores que son cognitivamente saludables. V volver a formar o ajustar los métodos con imágenes de las caras de los adultos mayores mejora significativamente el rendimiento, pero la brecha entre adultos mayores con y sin demencia persiste. A medida que crece el interés en utilizar métodos de análisis facial en aplicaciones clínicas, los resultados de este estudio: 1) destacan las limitaciones de los modelos existentes cuando se aplican a poblaciones clínicas y 2) arrojan luz sobre los métodos para abordar estas limitaciones así como la necesidad de desarrollar algoritmos diseñados para ser justos con respecto a variables como la edad y la capacidad.