Accueil›Biais›IBI-00244
IBI-002445 - Critiquepublie

Biais de détection médicale par imagerie

Medical Imaging Detection Bias

Score IBI
8.9
sur 10
Sévérité5_critique
Fréquencesystematique
Ampleur groupes5
Difficulté détection3
🇫🇷 Définition (FR)

Modèles d'imagerie médicale moins performants sur certaines populations.

🇬🇧 Definition (EN)

Medical imaging models less performant on certain populations.

Taxonomie TriAxis

Classification structurelle

O
Origine
O2
Computationnel & Statistique
L
Cycle de vie
L2
Représentation
S
Spécifique
S16
Biais d'exclusion
💡
Exemple concret

Détection du mélanome : précision 20% plus faible sur peaux foncées.

📊 Métriques de détection

Demographic Parity DifferenceDisparate Impact RatioEqualized Odds Difference

⚙ Seuils d'alerte

Disparate Impact Ratio0.8
Equalized Odds Difference0.1
Demographic Parity Difference0.1

🛡 Impact & Mitigation

🎯 Groupes vulnérables impactés

Personnes noires / afro-desc.Personnes asiatiques

🛠 Méthodologies de mitigation

  • DEMO_PARITY : Parité démographique
  • AUDIT_TIERS : Audit par tiers indépendant

🏢 Secteurs concernés

Santé et médecine (Risque: /5)

⚖ Réglementations applicables

🇪🇺 Europe
  • •
    AI_ACT_10 : AI Act (UE) 2024/1689
🌍 International
  • •
    ISO_42001 : ISO/IEC 42001:2023
  • •
    UNESCO_2021 : UNESCO - Recommandation sur l'éthique de l'IA
  • •
    OECD_AI_PRINCIPLES : OCDE - Principes IA
  • •
    COE_AI_CONVENTION_INT : Conseil de l'Europe - Convention IA

📋 Métadonnées

Contributeur
Mohamadou SIDIBE
Institution
AI BIAIS INITIATIVE
Version
1
Créé le
14 octobre 2026
Mis à jour le
4 novembre 2026
UUID
cee69e12-46c2-463f-b418-522251253f1b

Explorer d'autres biais

250 biais documentés, classés par la taxonomie TriAxis.