Revisão do Viés de Dados em Aplicações de Saúde

Na área de inteligência artificial (IA) médica, o viés de dados é uma grande dificuldade que afeta várias fases da coleta, processamento e construção de modelos de dados. As diversas formas de viés de dados que são comuns na IA em saúde são examinadas minuciosamente neste estudo de revisão, abrangendo viés relacionado a status socioeconômico, raça e etnia, bem como viés em modelos e conjuntos de dados de aprendizado de máquina. Examinamos como o viés de dados afeta a provisionamento de cuidados de saúde, enfatizando como pode agravar as desigualdades em saúde e comprometer a precisão das ferramentas clínicas impulsionadas por IA. Abordamos métodos para reduzir o viés de dados na IA e nos concentramos em diferentes técnicas utilizadas para criar dados sintéticos. Este artigo explora vários algoritmos de mitigação, como SMOTE, AdaSyn, Fair-SMOTE e BayesBoost. O algoritmo Bayesboost otimizado foi discutido. Essa abordagem mostrou mais precisão e abordou o mecanismo de tratamento de erros.