在商业自细分解决方案和开源成像数据集中,女性盆腔癌的代表性不足
M Thor1, V Williams2, C Hajj2
1Department of Medical Physics, Memorial Sloan Kettering Cancer Center, USA.
Clinical oncology (Royal College of Radiologists (Great Britain))
|January 21, 2025
概括
人工智能自行细分工具和数据集显示了显著的性别差异,有利于男性解剖学. 对有风险的器官的人工智能解决方案的这种不平衡可能会影响女性患者的放射治疗.
科学领域:
- 医学成像和辐射治疗.
- 医疗保健中的人工智能
- 医疗技术中的性别代表性
背景情况:
- 基于人工智能 (AI) 的自动细分越来越多地用于放射治疗 (RT) 工作流程.
- 面临风险的器官 (OAR) 的商业解决方案和开源数据集对于训练AI算法至关重要.
- 在这些人工智能解决方案中,女性和男性解剖学的公平代表性尚未得到充分研究.
研究的目的:
- 调查女性和男性解剖学在商业上可用的人工智能自行细分解决方案中对OARs的代表性.
- 评估开源成像数据集的可用性,用于跨性别训练AI算法.
- 在人工智能驱动的RT工具中识别潜在的性别差异.
主要方法:
- 向八家供应商发送了有关其性别特定OAR自动细分解决方案的询问.
- 癌症成像档案 (TCIA) 被选为公开可用的女性和男性解剖成像数据集.
- 分析了解决方案可用性,发布日期和OAR细分存在的数据.
主要成果:
- 所有供应商都提供男性骨盆AI自动细分; 5/8提供女性骨盆解决方案.
- 女性的乳房和骨盆溶液的释放时间比男性的骨盆溶液晚 (平均分别为0.6年和2.3年).
- TCIA数据集主要包含男性骨盆数据与OAR细分,而女性数据集缺乏OAR细分.
结论:
- 商业AI自动细分解决方案和开源数据集显示出对男性解剖学的明显偏见.
- 人工智能工具和数据中的这种性别差异可能会使放射治疗中的不平等持续下去.
- 解决这种不平衡对于男女平等的癌症护理至关重要.
