Studio propone metriche di equità per modelli di sopravvivenza dell'Alzheimer

Una recente indagine pubblicata su arXiv (2605.04063) esamina l'affidabilità dei modelli di sopravvivenza profondi non parametrici nell'analizzare la progressione della malattia di Alzheimer. I risultati indicano che, nonostante i progressi nell'analisi di sopravvivenza attraverso il deep learning, la ricerca sull'Alzheimer è stata limitata, e molti studi esistenti trascurano i bias appresi che possono portare a previsioni inique per le popolazioni sottorappresentate. Gli autori implementano una valutazione completa dell'equità e introducono due innovative metriche di equità note come metriche basate sulla concordanza tempo-dipendente per valutare le prestazioni del modello in vari segmenti demografici. Inoltre, conducono un'analisi approfondita dell'importanza delle caratteristiche per individuare i fattori essenziali per previsioni precise dell'Alzheimer. Questa ricerca mira a migliorare l'equità e l'affidabilità degli strumenti basati sull'IA per la diagnosi precoce e il monitoraggio della demenza di Alzheimer, una condizione neurodegenerativa progressiva e irreversibile.