LABEL SCARCITY REGIMES AND ALGORITHMIC FAILURE MODES IN SEMI-SUPERVISED EBOLA MORTALITY PREDICTION

Abstract

La prédiction précoce de la mortalité lors d’épidémies est limitée par la rareté des données biomédicales étiquetées. Si l'apprentissage semi-supervisé (SSL) est souvent proposé comme solution, sa robustesse selon la quantité de données disponibles reste mal comprise en contexte clinique. Cette étude analyse l'impact de différentes proportions de données étiquetées (25 %, 50 % et 75 %) sur trois paradigmes SSL : Label Spreading (graphes), S3VM (marge) et Self-Training (auto-étiquetage). À partir de données cliniques sur Ebola, nous identifions des régimes d’étiquetage associés à des changements de performance systématiques. Nos résultats révèlent que le Self-Training est robuste à tous les niveaux. À l'inverse, le S3VM subit un effondrement du rappel de la classe minoritaire, tandis que le Label Spreading se dégrade paradoxalement lorsque l'étiquetage augmente, à cause d'une amplification des erreurs de propagation. Ces travaux exposent des mécanismes de défaillance liés à l'étiquetage, offrant des perspectives cruciales pour déployer le SSL dans des contextes à faibles ressources, tels que le traitement du sepsis ou des maladies infectieuses émergentes.