হেলথকেয়ারে AI এথিক্স

# সিন্থেটিক, ইলাস্ট্রেটিভ উদাহরণ -- কোনো বাস্তব হাসপাতাল বা প্রকৃত ডেটাসেট নয়

def make_group(tp, fn, fp, tn):
    records  = [{"predicted_positive": True,  "actual_positive": True}]  * tp
    records += [{"predicted_positive": False, "actual_positive": True}]  * fn
    records += [{"predicted_positive": True,  "actual_positive": False}] * fp
    records += [{"predicted_positive": False, "actual_positive": False}] * tn
    return records

# গ্রুপ P: ট্রেনিং ডেটায় ভালোভাবে প্রতিনিধিত্বপ্রাপ্ত (n=100, প্রকৃত রোগ-প্রাদুর্ভাব ৫০%)
group_p = make_group(tp=45, fn=5, fp=8, tn=42)
# গ্রুপ Q: ট্রেনিং ডেটায় কম-প্রতিনিধিত্বপ্রাপ্ত (n=100, প্রকৃত রোগ-প্রাদুর্ভাব ৫০%)
group_q = make_group(tp=30, fn=20, fp=8, tn=42)

def diagnostic_fairness_metrics(records):
    n = len(records)
    actual_pos = [r for r in records if r["actual_positive"]]
    actual_neg = [r for r in records if not r["actual_positive"]]
    pred_pos   = [r for r in records if r["predicted_positive"]]

    tp = len([r for r in actual_pos if r["predicted_positive"]])
    fp = len([r for r in actual_neg if r["predicted_positive"]])
    tn = len(actual_neg) - fp

    sensitivity  = tp / len(actual_pos) if actual_pos else 0.0   # TPR -- রোগ ধরার হার
    specificity  = tn / len(actual_neg) if actual_neg else 0.0   # সুস্থদের সঠিক শনাক্তির হার
    fpr          = fp / len(actual_neg) if actual_neg else 0.0
    flagged_rate = len(pred_pos) / n                             # ডেমোগ্রাফিক প্যারিটি
    calibration  = (tp / len(pred_pos)) if pred_pos else 0.0     # ফ্ল্যাগড হওয়াদের মধ্যে প্রকৃত পজিটিভ হার

    return {
        "n": n, "sensitivity": sensitivity, "specificity": specificity,
        "fpr": fpr, "flagged_rate": flagged_rate, "calibration": calibration,
    }

for name, group in [("গ্রুপ P (ভালো প্রতিনিধিত্ব)", group_p), ("গ্রুপ Q (কম প্রতিনিধিত্ব)", group_q)]:
    m = diagnostic_fairness_metrics(group)
    print(f"{name}  (n={m['n']})")
    print(f"  সেনসিটিভিটি (রোগ ধরার হার):      {m['sensitivity']*100:.1f}%")
    print(f"  স্পেসিফিসিটি:                    {m['specificity']*100:.1f}%")
    print(f"  ফলস পজিটিভ রেট:                  {m['fpr']*100:.1f}%")
    print(f"  ফ্ল্যাগড রেট (ডেমোগ্রাফিক প্যারিটি): {m['flagged_rate']*100:.1f}%")
    print(f"  ক্যালিব্রেশন:                    {m['calibration']*100:.1f}%")
    print()

sens_p = diagnostic_fairness_metrics(group_p)["sensitivity"]
sens_q = diagnostic_fairness_metrics(group_q)["sensitivity"]
print(f"সেনসিটিভিটির ব্যবধান: {abs(sens_p - sens_q) * 100:.1f} পার্সেন্টেজ পয়েন্ট -- "
      f"অথচ স্পেসিফিসিটি ও FPR দুই গ্রুপেই সমান।")