Нейросеть научилась определять расовую принадлежность по рентгену Но как она это делает, до сих пор остается загадкой

Исследователи из Эморийского университета решили выяснить, способна ли нейросеть определять расу человека по рентгеновским снимкам и собрали для ее обучения несколько наборов данных, охватывающих различные типы медицинских исследований: рентгенографию грудной клетки, компьютерную томографию грудной клетки, цифровую рентгенографию кистей рук, маммографию и рентгенографию шейного отдела позвоночника. Каждый снимок включал отметки с классом заболевания и расовой принадлежностью.
База данных пациентов, использованных для обучения алгоритма

Результаты работы алгоритма показали точность определения на уровне 80-99%, что удивило даже разработчиков. Затем они испытали нейросеть на снимках с разным разрешением и обнаружили рост точности по мере улучшения качества фотографий. По мнению ученых, точность нейросети обусловлена наличием разницы в параметрах между пациентами разных расовых групп, учетом специфики заболеваемости, характеристик тканей и фенотипических особенностей.
Результаты работы нейросети

Кроме того, алгоритм отслеживает совокупные последствия социальных факторов и стресса. Тем не менее, ученые так и не сумели определить, какой из факторов является определяющим — для этого нужны дополнительные исследования. В частности, ученые планируют провести ряд экспериментов с качеством изображений и поочередно убирать ту или иную информацию при обучении алгоритмов.
Использованные источники:
