Whose Truth Is Ground Truth?: Consequences of Label Choice on Machine Learning Models Predicting Depression
Questo studio dimostra che la scelta delle etichette di depressione nelle cartelle cliniche elettroniche — che siano codificate dal medico, riferite dal paziente o concordanti — altera significativamente le prestazioni dei modelli di apprendimento automatico e l'importanza delle caratteristiche, rivelando che le etichette derivate dai medici possono involontariamente amplificare i pregiudizi demografici nonostante producano punteggi AUC leggermente più elevati.