Waarom is dit belangrijk?
Modellen kunnen nieuwe medische beelden pas zelf beoordelen wanneer eerdere scans van een specialist een diagnose meekregen. In de zorg gebruiken ziekenhuizen zulke data om software te trainen die artsen ondersteunt bij het beoordelen van medische beelden. Voor patiënten telt de kwaliteit van die labels: zijn ze onjuist of te eenzijdig, dan werkt de software slechter bij nieuwe gevallen en stijgt de kans op een foute conclusie.
Zo werkt het in de praktijk
Een proefschrift aan de Universiteit Utrecht onderzoekt het trainen van classificatiemodellen met weinig gelabelde data of met onzekere labels. Semi-supervised learning mengt gelabelde met ongelabelde data, en soft label learning rekent onzekere labels mee. Evaluaties op openbare datasets vergelijken deze aanpakken met supervised learning, het leren op gelabelde voorbeelden.
Een bijlage bij de norm ISO/IEC 42001 behandelt de datakwaliteit voor AI-systemen. Bij supervised en semi-supervised learning worden eisen voor trainingsdata, validatiedata, testdata en data tijdens gebruik vastgelegd, gemeten en verbeterd. Voor trainingsdata noemt een uitwerking ook of het label juist is.




