医療画像における責任ある量子機械学習:敏感なサブグループ間の公平性監査
arXiv:2610.37819v1 発表タイプ:新規 要旨:量子機械学習(QML)は医療分類への応用がますます検討されているが、サブグループを考慮した公平性基準下での挙動についてはまだ十分に研究されていない。本稿では、QMLが本質的に公平であるとは限らないという前提のもと、医療画像に対する古典的および量子分類器の実証的な公平性監査を提示する。評価対象は二つのシナリオであり、DDIデータセット上の皮膚病変(敏感属性:フィッツパトリック皮膚タイプ)と、CheXpert由来データ上の胸部X線画像(敏感属性:年齢層)である。ResNet-18による埋め込みを用い、ベースラインおよび三種類の緩和手法(微分可能な等化オッズ(EO)正則化、勾配反転学習(GRL)、両者を組み合わせた手法)の下で、SVM、MLP、QSVM、QCNNを訓練する。また、基礎モデル(PanDerm、EVA-X)を外部参照として用いる。
AI NEWS.cc