📊 statistics

Towards Fair Predictions: Group Conditional Concordance Index to Quantify Fairness in Time-to-Event Prognostication

यह शोध पत्र ग्रुप-कंडीशनल कॉन्कोर्डेंस इंडेक्स (xCI) प्रस्तुत करता है, जो टाइम-टू-इवेंट विश्लेषणों के लिए एक नवीन निष्पक्षता मीट्रिक है, जो सैद्धांतिक प्रमाणों और वास्तविक दुनिया के हृदय रोग संबंधी केस स्टडीज के माध्यम से मान्य, इन-ग्रुप और क्रॉस-ग्रुप रैंकिंग सटीकता के माध्यम से सर्वाइवल मॉडल्स में जनसांख्यिकीय पूर्वाग्रहों को मापने और पहचानने के लिए हैरेल के सीआई (Harrell's CI) का विस्तार करता है।

मूल लेखक: Haoyuan Wang, Riddhiman Bhattacharya, Richardo Henao, Daniel Wojdyla, Chuan Hong, Matthew Engelhard

प्रकाशित 2026-06-16

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Haoyuan Wang, Riddhiman Bhattacharya, Richardo Henao, Daniel Wojdyla, Chuan Hong, Matthew Engelhard

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक डॉक्टर हैं जो यह तय करने की कोशिश कर रहे हैं कि किन मरीजों को सबसे पहले तत्काल देखभाल की आवश्यकता है। आपके पास एक कंप्यूटर प्रोग्राम (एक प्रेडिक्टिव मॉडल) है जो हर मरीज को एक "जोखिम स्कोर" (risk score) देता है ताकि उन्हें क्रम में लगाया जा सके। आपका लक्ष्य यह सुनिश्चित करना है कि सबसे बीमार लोगों को मदद मिले, चाहे वे कोई भी हों।

हालाँकि, एक समस्या है, कभी-कभी ये प्रोग्राम पक्षपाती हो सकते हैं। वे एक समूह (मान लीजिए, समूह A) में बीमार लोगों को पहचानने में बहुत अच्छे हो सकते हैं, लेकिन दूसरे समूह (समूह B) में बहुत खराब हो सकते हैं। या, वे समूह A के भीतर लोगों को क्रम में लगाने में अच्छे हो सकते हैं, लेकिन जब वे समूह A के व्यक्ति की तुलना समूह B के व्यक्ति से करते हैं, तो वे लगातार क्रम को गलत कर देते हैं।

यह शोध पत्र एक नया टूल पेश करता है जिसे ग्रुप कंडीशनल कॉनकॉर्डेंस इंडेक्स (xCI) कहा जाता है, ताकि इन छिपे हुए पक्षपातों को पकड़ा जा सके। यह कैसे काम करता है, इसका सरल विवरण यहाँ दिया गया है:

1. पुराने पैमाने के साथ समस्या

पारंपरिक रूप से, डॉक्टर यह जांचने के लिए एक टूल का उपयोग करते हैं जिसे कॉनकॉर्डेंस इंडेक्स (CI) कहा जाता है कि क्या एक मॉडल काम कर रहा है। CI को पूरे क्लास के एक एकल ग्रेड की तरह समझें। यह पूछता है: "बचाए गए सभी जोड़ों (pairs) में से, कितनी बार मॉडल ने सही ढंग से अनुमान लगाया कि कौन अधिक बीमार था?"

समस्या यह है कि एक एकल ग्रेड अनfairness (अन्याय) को छिपा सकता है।

उपमा (Analogy): कल्पना कीजिए कि एक शिक्षक गणित के टेस्ट को ग्रेड दे रहा है। यदि शिक्षक केवल पूरी कक्षा के औसत स्कोर को देखता है, तो वह इस तथ्य को मिस कर सकता है कि शिक्षक ने समूह A के लिए एक आसान टेस्ट और समूह B के लिए एक असंभव टेस्ट दिया था। औसत "ठीक" लग सकता है, लेकिन समूह B का अनुभव बहुत बुरा था।
शोध पत्र का बिंदु: पुराना CI उस औसत की तरह है। यह एक ही समूह के लोगों के बीच होने वाली तुलनाओं और अलग-अलग समूहों के बीच होने वाली तुलनाओं को मिला देता है। यदि कोई मॉडल पक्षपाती है, तो पुराना CI अभी भी उच्च दिख सकता है क्योंकि यह उन समूहों द्वारा भारी रूप से प्रभावित होता है जहाँ मॉडल अच्छा काम करता है।

2. नया टूल: xCI (एक "फेयरनेस मैग्निफाइंग ग्लास")

लेखक xCI का प्रस्ताव देते हैं। एक बड़े ग्रेड के बजाय, xCI इन विशिष्ट मुकाबलों में ग्रेडिंग को तोड़ देता है। यह दो अलग-अलग प्रश्न पूछता है:

प्रश्न A (समूह के भीतर - Within-Group): "मॉडल एक ही समूह के दो लोगों को कितनी अच्छी तरह क्रम में लगाता है?" (जैसे, समूह A बनाम समूह A)।
प्रश्न B (समूहों के बीच - Between-Group): "मॉडल समूह A के एक व्यक्ति की तुलना समूह B के एक व्यक्ति से करते समय कैसा प्रदर्शन करता है?"

रचनात्मक रूपक (Creative Metaphor):
एक दौड़ की कल्पना करें।

पुराना CI: "क्या धावक कुल मिलाकर सही क्रम में समाप्त हुए?"
नया xCI: "क्या धावक अपनी ही टीम के भीतर सही क्रम में समाप्त हुए? और, जब टीम रेड का एक धावक टीम ब्लू के एक धावक के साथ दौड़ता है, तो क्या सिस्टम सही ढंग से भविष्यवाणी करता है कि कौन जीतेगा?"

शोध पत्र गणितीय रूप से सिद्ध करता है कि पुराना CI इन सभी विशिष्ट xCI मुकाबलों का एक भारित औसत (weighted average) है। यदि मॉडल टीम रेड बनाम टीम ब्लू की तुलना करने में खराब है, लेकिन टीम रेड बनाम टीम रेड में अच्छा है, तो पुराना CI उस विशिष्ट विफलता को छिपा सकता है। xCI इस पर रोशनी डालता है।

3. "फेयरनेस" (निष्पक्षता) के लिए यह क्यों महत्वपूर्ण है

शोध पत्र का तर्क है कि स्वास्थ्य सेवा में, निष्पक्षता (fairness) का अर्थ है कि यदि दो लोगों की चिकित्सा संबंधी आवश्यकता का स्तर समान है, तो उन्हें उनकी पृष्ठभूमि की परवाह किए बिना सही ढंग से प्राथमिकता मिलने का समान अवसर मिलना चाहिए।

"सेपरेशन" (Separation) की अवधारणा: लेखक निष्पक्षता के एक प्रकार पर ध्यान केंद्रित करते हैं जिसे "सेपरेशन" कहा जाता है। इसका अर्थ है कि मॉडल को बीमार लोगों को पहचानने में उतना ही सक्षम होना चाहिए, चाहे वे किसी भी समूह से संबंधित हों।
खोज: शोध पत्र दिखाता है कि xCI का उपयोग करके, वे उन पूर्वाग्रहों को पा सकते हैं जिन्हें अन्य उपकरण मिस कर देते हैं। उदाहरण के लिए, एक मॉडल अकेले समूह A को देखते समय निष्पक्ष लग सकता है और अकेले समूह B को देखते समय भी निष्पक्ष लग सकता है, लेकिन यह व्यवस्थित रूप से समूह A के मरीजों को समूह B के मरीजों से आगे रख सकता है, भले ही समूह B के मरीज वास्तव में अधिक बीमार हों। xCI इस "क्रॉस-ग्रुप" अनfairness को पकड़ लेता है।

4. "मिसिंग डेटा" की समस्या को संभालना (Censoring)

चिकित्सा अध्ययनों में, हमें अक्सर पता नहीं चलता कि एक मरीज ठीक कब बीमार हुआ या कब उसकी मृत्यु हुई क्योंकि वह अध्ययन को जल्दी छोड़ देता है या अध्ययन होने वाली घटना से पहले ही समाप्त हो जाता है। इसे सेंसरिंग (censoring) कहा जाता है।

उपमा: एक दौड़ की कल्पना करें जहाँ कुछ धावक फिनिश लाइन तक पहुँचने से पहले ही बाहर हो जाते हैं। यदि आप केवल उन धावकों को गिनते हैं जिन्होंने दौड़ पूरी की, तो आपको गलत विचार मिल सकता है कि वास्तव में कौन अधिक तेज था।
समाधान: शोध पत्र xCI गणना को समायोजित करने के लिए एक विशेष गणितीय विधि (IPCW) प्रदान करता है। यह अनिवार्य रूप से हमारे पास मौजूद डेटा को अतिरिक्त भार देता है, ताकि गायब डेटा हमारे निष्पक्षता स्कोर को धोखा न दे सके। यह सुनिश्चित करता है कि अधूरा डेटा होने पर भी यह टूल काम करे।

5. वास्तविक दुनिया के परीक्षण

लेखकों ने इस नए टूल का परीक्षण दो वास्तविक दुनिया के परिदृश्यों में किया:

हृदय रोग अध्ययन: उन्होंने तीन प्रमुख हृदय अध्ययनों (Framingham, MESA, ARIC) के डेटा को देखा कि क्या उनके मॉडल विभिन्न समूहों के साथ निष्पक्ष व्यवहार करते हैं।
इलेक्ट्रॉनिक हेल्थ रिकॉर्ड्स: उन्होंने वास्तविक रोगी रिकॉर्ड के एक विशाल डेटाबेस (Truveta) का उपयोग करके मौजूदा हृदय रोग जोखिम मॉडलों का परीक्षण किया।

परिणाम: दोनों मामलों में, नए xCI टूल ने उन पूर्वाग्रहों और गलत रैंकिंग को खोज निकाला जिन्हें पुराने, मानक उपकरणों ने पूरी तरह से मिस कर दिया था।

सारांश

यह शोध पत्र केवल यह नहीं कहता कि "हमें निष्पक्षता की आवश्यकता है।" यह एक नया पैमाना (xCI) बनाता है जो विशेष रूप से समय-आधारित चिकित्सा भविष्यवाणियों में निष्पक्षता को मापने के लिए डिज़ाइन किया गया है। यह सिद्ध करता है कि "औसत" प्रदर्शन को देखना पर्याप्त नहीं है; आपको यह देखना होगा कि मॉडल अपने समूहों के भीतर और विभिन्न समूहों के बीच लोगों के साथ कैसा व्यवहार करता है। यदि आप यह सुनिश्चित करना चाहते हैं कि मेडिकल AI गलती से किसी व्यक्ति के जनसांख्यिकीय समूह के कारण सबसे बीमार लोगों को अनदेखा न कर दे, तो इस नए टूल का उपयोग जांच के लिए किया जाना चाहिए।

तकनीकी सारांश: निष्पक्ष भविष्यवाणियों की ओर: समय-से-घटना (Time-to-Event) पूर्वानुमान में निष्पक्षता को मापने के लिए ग्रुप कंडिशनल कॉनकॉर्डेंस इंडेक्स (xCI)

समस्या विवरण
स्वास्थ्य सेवा में भविष्य कहने वाले मॉडल (Predictive models) निवारक देखभाल या विशेष रेफरल जैसे सीमित संसाधनों के आवंटन के लिए तेजी से उपयोग किए जा रहे हैं। जबकि निष्पक्षता मेट्रिक्स (fairness metrics) इन मॉडलों में पूर्वाग्रहों की पहचान करने के लिए आवश्यक हैं, मौजूदा दृष्टिकोण मुख्य रूप से बाइनरी क्लासिफिकेशन कार्यों के लिए डिज़ाइन किए गए हैं। 'टाइम-टू-इवेंट' (सर्वाइवल) विश्लेषण के संदर्भ में, निष्पक्षता का मूल्यांकन अभी भी अल्पविकसित है। वर्तमान विधियाँ अक्सर समूहों के भीतर प्रदर्शन मेट्रिक्स (जैसे कि प्रत्येक जनसांख्यिकीय समूह के लिए अलग से गणना किया गया कॉनकॉर्डेंस इंडेक्स या AUC) की तुलना करने पर निर्भर करती हैं। हालांकि, यह दृष्टिकोण समूहों के बीच की निष्पक्षता (between-group fairness) को पकड़ने में विफल रहता है: यानी विभिन्न समूहों के व्यक्तियों को एक-दूसरे के सापेक्ष सही ढंग से रैंक करने की क्षमता। संसाधन आवंटन परिदृश्यों में, निर्णय स्वाभाविक रूप से समूहों के बीच तुलनात्मक होते हैं; एक मॉडल प्रत्येक उपसमूह (subgroup) के भीतर स्वतंत्र रूप से निष्पक्ष दिखाई दे सकता है, जबकि क्रॉस-ग्रुप तुलनाओं में व्यवस्थित रूप से एक समूह का पक्ष ले सकता है, जिससे असमान संसाधन वितरण हो सकता है।

कार्यप्रणाली (Methodology)
लेखक एक नया ग्रुप फेयरनेस मेट्रिक प्रस्तावित करते हैं जिसे ग्रुप कंडिशनल कॉनकॉर्डेंस इंडेक्स (xCI) कहा जाता है। यह मेट्रिक हारल्स के कॉनकॉर्डेंस इंडेक्स (CI) का विस्तार करता है, जो दोनों व्यक्तियों के समूह सदस्यता के आधार पर समूह को सशर्त (condition) बनाता है।

xCI की परिभाषा: दो समूहों $a$ और $b$ के लिए, xCI उस प्रायिकता (probability) को परिभाषित करता है जिसमें मॉडल समूह $a$ के एक व्यक्ति के जोखिम की तुलना समूह $b$ के एक व्यक्ति के विरुद्ध सही ढंग से करता है, यह देखते हुए कि समूह $a$ का व्यक्ति समूह $b$ के व्यक्ति से पहले घटना (event) का अनुभव करता है:
$xCI_{a,b} = P(R_i > R_j \mid T_i < T_j, G_i = a, G_j = b)$
जहाँ $R$ अनुमानित जोखिम स्कोर (predicted risk score) को दर्शाता है और $T$ वास्तविक घटना के समय (true event time) को दर्शाता है।
CI का अपघटन (Decomposition): शोध पत्र औपचारिक रूप से सिद्ध करता है कि मानक CI, सभी संभावित xCIs के भारित औसत (weighted average) के रूप में है। इनके भार प्रत्येक समूह संयोजन के भीतर तुलनीय जोड़ों (comparable pairs) की आवृत्ति पर निर्भर करते हैं। यह गणितीय संबंध दर्शाता है कि एक उच्च समग्र CI, विशिष्ट क्रॉस-ग्रुप रैंकिंग में खराब प्रदर्शन को छिपा सकता है यदि वे समूह तुलनीय जोड़ों में कम प्रतिनिधित्व वाले हों।
सेंसरिंग के तहत अनुमान (Estimation under Censoring): सेंसरिंग (censoring) को संभालने के लिए, लेखक इनवर्स प्रोबेबिलिटी ऑफ सेंसरिंग वेट्स (IPCW) का उपयोग करके एक सुसंगत अनुमानक (consistent estimator) विकसित करते हैं। यह अनुमानक उन पूर्वाग्रहों को ठीक करता है जो तब उत्पन्न होते हैं जब समूहों के बीच विभेदक सेंसरिंग दरों के कारण देखा गया तुलनीय जोड़ों का सेट, सभी तुलनीय जोड़ों के यादृच्छिक नमूने का प्रतिनिधित्व नहीं करता है।
निष्पक्षता निदान (Fairness Diagnostics): लेखक xCI से व्युत्पन्न विशिष्ट नैदानिक मेट्रिक्स को परिभाषित करते हैं:
- $\Delta_{within} xCI$ : समूह के भीतर कॉनकॉर्डेंस में अंतर ( $xCI_{a,a} - xCI_{b,b}$ ), जो समूहों के भीतर रैंकिंग सटीकता में असमानताओं को मापता है।
- $\Delta_{between} xCI$ : क्रॉस-ग्रुप कॉनकॉर्डेंस में अंतर ( $xCI_{a,b} - xCI_{b,a}$ ), जो इस बात में दिशात्मक विषमता (directional asymmetry) को मापता है कि मॉडल एक समूह को दूसरे के ऊपर कैसे प्राथमिकता देता है।
- Min xCI: सभी समूह जोड़ों में न्यूनतम xCI मान, जो मॉडल के प्रदर्शन के सबसे खराब मामले (worst-case summary) के रूप में कार्य करता है।

प्रमुख योगदान

नया मेट्रिक: टाइम-टू-इवेंट डेटा के लिए विशेष रूप से डिज़ाइन किए गए, एक कठोर, समूह-सशर्त अपघटन के रूप में xCI का परिचय।
सैद्धांतिक आधार: यह औपचारिक प्रमाण कि मानक CI, xCIs का एक भारित औसत है, जो समग्र मेट्रिक्स की सीमाओं को उजागर करता है जो समूहों के बीच के पूर्वाग्रह का पता लगाने में विफल रहते हैं।
सांख्यिकीय निरंतरता (Statistical Consistency): राइट-सेंसर्ड डेटा के तहत xCI के लिए एक IPCW-आधारित अनुमानक का विकास और निरंतरता का प्रमाण, जो इसे वास्तविक दुनिया के सर्वाइवल डेटा के लिए लागू करने योग्य बनाता है।
नैतिक सिद्धांतों के साथ संरेखण: यह मेट्रिक स्पष्ट रूप से रॉल्सियन न्याय के सिद्धांतों (Rawlsian principles of justice) के अनुरूप है, विशेष रूप से "अवसर की निष्पक्ष समानता" (यह सुनिश्चित करना कि समान नैदानिक आवश्यकताएं समूह की स्थिति की परवाह किए बिना समान प्राथमिकता की संभावनाएं प्रदान करें) और "अंतर सिद्धांत" (उन लोगों को प्राथमिकता देना जिन्हें सबसे अधिक आवश्यकता है)। यह दृष्टिकोण पृथक्करण (separation) पर केंद्रित है, जो यह सुनिश्चित करता है कि भविष्यवाणियां वास्तविक परिणाम के दिए गए होने पर समूह की स्थिति से सशर्त स्वतंत्र हों।
अनुभवजन्य सत्यापन (Empirical Validation): दो अलग-अलग केस स्टडीज पर xCI का अनुप्रयोग:
- फ्रैमिंगहैम ऑफस्प्रिंग, MESA, और ARIC अध्ययनों से सामंजस्यपूर्ण डेटा पर प्रशिक्षित सर्वाइवल मॉडल का आकलन करना।
- Truveta इलेक्ट्रॉनिक हेल्थ रिकॉर्ड (EHR) डेटाबेस का उपयोग करके मौजूदा हृदय रोग (CVD) जोखिम भविष्यवाणी मॉडल का मूल्यांकन करना।

परिणाम
केस स्टडीज में xCI के अनुप्रयोग ने खुलासा किया कि यह मेट्रिक उन जनसांख्यिकीय समूहों के बीच पूर्वाग्रहों का प्रभावी ढंग से पता लगाता है जिन्हें मौजूदा निष्पक्षता मेट्रिक्स द्वारा अनदेखा कर दिया जाता है। विशेष रूप से, विश्लेषण ने दिखाया कि मॉडल उच्च समग्र कॉनकॉर्डेंस प्रदर्शित कर सकते हैं, जबकि साथ ही महत्वपूर्ण 'बीच-ग्रुप अनफेयरनेस' (क्रॉस-ग्रुप रैंकिंग में विषमता) भी प्रदर्शित कर सकते हैं। IPCW अनुमानक ने सेंसरिंग को सफलतापूर्वक समायोजित किया, जिससे इन असमानताओं के मजबूत अनुमान प्राप्त हुए। परिणाम संकेत देते हैं कि केवल समूह-भीतर (within-group) मूल्यांकन, तुलनात्मक निर्णय लेने में एक समूह को दूसरे के ऊपर व्यवस्थित रूप से प्राथमिकता देने के कारण, निष्पक्ष संसाधन आवंटन सुनिश्चित करने के लिए अपर्याप्त हैं।

महत्व और दावे
शोध पत्र का दावा है कि xCI सर्वाइवल विश्लेषण में निष्पक्षता मूल्यांकन के लिए एक आवश्यक और मूल्यवान उपकरण प्रदान करता है, विशेष रूप से सीमित संसाधन आवंटन परिवेशों में। क्रॉस-ग्रुप रैंकिंग सटीकता को स्पष्ट रूप से मात्रात्मक बनाकर, xCI मौजूदा मूल्यांकन दृष्टिकोणों का पूरक बनाता है और एल्गोरिदम की निष्पक्षता में एक महत्वपूर्ण अंतर को संबोधित करता है। लेखक तर्क देते हैं कि ऐसे मेट्रिक्स के बिना, अनफेयरनेस को ठीक करने के लिए हस्तक्षेप नहीं किए जा सकते, जिससे स्वास्थ्य सेवा संबंधी असमानताएं बढ़ सकती हैं। यह ढांचा यह मूल्यांकन करने के लिए एक सांख्यिकीय रूप से कठोर तरीका प्रदान करता है कि क्या मॉडल-संचालित संसाधन आवंटन इक्विटी के नैतिक सिद्धांतों के साथ संरेखित है, यह सुनिश्चित करता है कि समान नैदानिक आवश्यकताओं वाले व्यक्तियों के पास जनसांख्यिकीय पृष्ठभूमि की परवाह किए बिना, सही ढंग से प्राथमिकता प्राप्त करने के समान अवसर हों।