New AI meA groundbreaking machine learning technique, Counterfactual | Newswise

New AI meA groundbreaking machine learning technique, Counterfactual | Newswise

Los conjuntos de datos desequilibrados en el ámbito de la salud suelen provocar que los modelos de aprendizaje automático pasen por alto condiciones raras y críticas, favoreciendo en su lugar los casos negativos comunes. Aunque las técnicas existentes de generación de datos sintéticos intentan corregir este desequilibrio, con frecuencia introducen ruido y redundancia, lo que puede llevar a diagnósticos erróneos. Este desafío persistente subraya la urgente necesidad de métodos más sofisticados que puedan mejorar la fiabilidad de los modelos sin comprometer la calidad de los datos ni aumentar las alarmas falsas. La introducción de Counterfactual SMOTE aborda estas limitaciones mediante la colocación estratégica de muestras sintéticas cerca de los límites de decisión, dentro de regiones seguras de la clase minoritaria. Al generar contrafácticos basados en instancias de la clase mayoritaria en lugar de realizar interpolaciones dentro de los grupos minoritarios, el método reduce significativamente el ruido y los duplicados cercanos. Este enfoque garantiza que los modelos de inteligencia artificial aprendan a identificar con precisión los casos raros, lo que resulta en una reducción sustancial de los falsos negativos, manteniendo a la vez una alta precisión en diversas evaluaciones del sector sanitario. Este avance es altamente relevante para las iniciativas de datos abiertos, ya que los investigadores han publicado el código fuente para facilitar su adopción generalizada. Al ofrecer una solución robusta y transparente para manejar el desequilibrio de datos, la herramienta empodera a la comunidad para mejorar la precisión de la inteligencia artificial en dominios sensibles como la detección de fraude y los diagnósticos médicos. La disponibilidad de este código bajo un marco de código abierto fomenta la colaboración y asegura que las mejoras en el manejo de los datos se traduzcan directamente en aplicaciones de inteligencia artificial más seguras y equitativas.

Fuente: newswise.com
Publicado el 2025-04-17