داستان از اینجا شروع میشه که بیشتر تحقیقهای پزشکی تو دنیا معمولاً روی آدمهای سفیدپوست (کسایی که Non-Hispanic White میگن، یعنی آدمهای سفیدپوست غیر لاتین) انجام میشه و خب این باعث میشه وقتی الگوریتمها و مدلهای یادگیری ماشین (Machine Learning یعنی همون الگوریتمهایی که کامپیوتر رو آموزش میدن تا خودش بتونه از تجربهها یاد بگیره) رو این دیتای تقریباً یکدست ساخته میشن، نتایج ممکنه واسه بقیه جمعیتها خیلی دقیق نباشه.
توی این تحقیق جدید که چندتا دانشمند (اسماشونم نوشتن ته مقاله!) انجام دادن، اومدن بررسی کنن که آیا الگوریتمهایی که برای پیشبینی قند خون پیوسته با دستگاههای CGM (یعنی Continuous Glucose Monitoring یا دستگاههایی که به صورت لحظهای قند خون رو اندازه میگیرن، مخصوص دیابتیها) استفاده میشه، واسه نژادهای مختلف یکسان عمل میکنه یا نه.
ماجرا اینطوری بود که ۱۰۱ نفر سفیدپوست و ۱۰۴ نفر سیاهپوست که هرکدوم دیابت نوع ۱ داشتن رو انتخاب کردن و دیتای CGM شون رو با همکاری یک مرکز بزرگ تحقیقات توی آمریکا جمع کردن. هر کدوم حدود ۹ هفته اطلاعات داشتن (توی پرانتز اینم بگم، IQR: 7, 10 یعنی بیشتر آدمها بین ۷ تا ۱۰ هفته CGM داشتن). خب حالا دانشمندها اومدن مدلهایی به اسم LSTM ساختن (اینم یه مدل یادگیری عمیق یا Deep Learning هست که مخصوص پیشبینی سری زمانی، یعنی دنبالهای از دادهها، مثلاً قند خون توی هر دقیقه است). این مدلها با نسبتهای مختلفی از آدمهای سفید و سیاه توی دیتا، آموزش دیدن.
هدف این بود که ببینیم وقتی آموزش دادن مدل بیشتر با داده سفیدپوستهاست، پیشبینی قند خون برای سیاهپوستها بدتر میشه یا نه. این پیشبینی هم واسه ۶۰ دقیقه آینده بود و بر اساس دیتای ۶۰ دقیقه قبل انجام شد. اومدن عملکرد رو با یک معیار به اسم RMSE اندازه گرفتن (Root Mean Squared Error یعنی همون میانگین خطای ریشه دوم، که هرچی کمتر باشه یعنی دقت پیشبینی بیشتر بوده).
برای مقایسه اینکه مدل چقدر واسه هر گروه دقیقه، تاثیر سن و جنسیت و اندازه دیتای آموزش رو هم حساب کردن که نتایجش واقعیتر باشه (این کار با یه مدل آماری به اسم Linear Mixed-Effect انجام شد، که یعنی تو تحلیل تاثیر چند عامل رو با هم میبینن).
نتایج چی شد؟ وقتی مدلها فقط با داده سفیدپوستها ساخته شدن، پیشبینی قند برای سیاهپوستها یه ذره بدتر شد (RMSE واسه سیاهپوستها ۰.۰۴ میلیمول در لیتر بیشتر شد توی این حالت که فقط داده سفیدپوستها داده بودن؛ این عدد نشون میده خطا یه کم بالا رفته). این تفاوت بین گروهها هم از نظر آماری معنیدار بود (p=0.02 یعنی احتمال اینکه این اختلاف یه چیز تصادفی باشه فقط ۲ درصده). اما نکته جالب اینجاس: وقتی اومدن از یه روش به اسم Transfer Learning استفاده کردن (یعنی مدل رو اول با یه دیتا آموزش میدن، بعد با کمی دیتا از هر فرد دوباره روی همون شخص دقیقترش میکنن)، این تفاوت تقریباً از بین رفت و دیگه مهم نبود مدل اصلی با داده چه نژادی ساخته شده باشه. مقدار RMSE با Transfer Learning فقط ۰.۰۲ شد که دیگه از نظر آماری مهم نبود (p=0.20 یعنی احتمال اینکه این فرق تصادفی بوده باشه بالاس، پس قابل توجه نیست).
جمعبندی دوستانه ماجرای این مقاله اینه: اگه مدلهای هوش مصنوعی رو فقط با دیتا آدمهای یه گروه خاص آموزش بدیم، عملکردش برای بقیه گروهها ممکنه ضعیفتر بشه. اما اگه از روشهایی مثل Transfer Learning استفاده کنیم یا از همون اول توی دیتا تنوع زیادی داشته باشیم (همه نژادها باشن)، مدلها عادلانهتر و دقیقتر پیشبینی میکنن. پس هم برای خود دانشمندا و هم برای شرکتهایی که این دستگاهها و برنامهها رو میسازن یه سیگنال قوی ارسال شده: حتماً باید به تنوع توی دیتای آموزشی اهمیت بدن، تا محصولاتشون برای همه جواب بده، نه فقط یه عده خاص!
اگه این موضوع برات جالب بود، پیشنهاد میکنم وقتی داری درباره تکنولوژیهای پزشکی جدید میخونی همیشه تو ذهنت باشه که عملکرد این سیستمها میتونه برای آدمهای با پیشزمینههای مختلف متفاوت باشه و دانشمندا دارن روی این چالش کار میکنن تا در آینده این تبعیضها رو کمتر کنن.
منبع: +
