Bt-GAN: Generating Fair Synthetic Healthdata via Bias-transforming Generative Adversarial Networks

合成数据生成为增强电子医疗记录（EHR）有用性提供了一个有前途的解决方案，通过生成逼真的去标识化数据。然而，现有文献主要关注合成健康数据的质量，忽略了下游预测中公平性这一关键方面。因此，使用合成EHR训练的模型面临批评，因为它们在目标任务中产生偏见的结果。这些偏见可能是由特征之间的虚假相关性或模型未能准确地表示子群所引起的。为了解决这些问题，我们提出了偏差转换生成对抗网络（Bt-GAN），这是一种专门为医疗领域设计的基于GAN的合成数据生成器。为了解决虚假相关性（i），我们提出了一种信息约束数据生成过程，使生成器能够学习基于明确定义的算法公平性的公平确定性转换。为了克服捕获精确子群表示的挑战（ii），我们通过基于分数的加权采样来激励生成器保留子群密度。这种方法迫使生成器从数据流形的低表示区域学习。我们使用MIMIC-III数据库进行了广泛的实验。我们的结果表明，Bt-GAN在显著提高公平性和最小化偏差放大的同时，实现了SOTA准确性。我们还进行了深入的可解释性分析，以提供支持我们研究的有效性的额外证据。总之，我们的研究引入了一种新颖和专业的方法来解决医疗领域合成数据生成的限制。通过纳入公平性考虑和利用GAN等先进技术，我们为医疗应用中更可靠和无偏的预测铺平了道路。

解决问题的是如何在生成合成医疗数据时考虑公平性和减少偏差扩大化的问题。

提出了一种基于GAN的数据生成器Bt-GAN，通过信息约束的数据生成过程和基于分数的加权采样来解决偏差问题。

使用MIMIC-III数据库进行了广泛的实验，证明了Bt-GAN在提高公平性和减少偏差扩大化的同时，实现了SOTA的准确性。论文还进行了深入的可解释性分析。

最近的相关研究包括“Synthetic Data Generation for Healthcare”和“Fairness in Machine Learning”。