了解多谱自光终身成像中的偏差:模型是否对口腔位置敏感?

科学领域:

• 医疗人工智能 医疗人工智能
• 口腔瘤学 在口腔瘤学
• 生物医学成像技术 生物医学成像技术

背景情况:

• 人工智能公平性在医疗保健中至关重要,因为模型结果直接影响患者的健康.
• 常见的AI偏见来源包括人口统计数据,但口腔位置是口腔癌诊断中的独特偏见因素.
• 现有的AI模型显示不同口腔位置的性能变化,需要进一步调查.

研究的目的:

• 调查口腔位置作为人工智能驱动口腔癌诊断偏差来源的影响.
• 了解多光谱自光成像如何受到口腔位置和病变存在的影响.
• 制定策略,创造更公平,更公平的AI诊断模型.

主要方法:

• 设计了三个实验来分析口腔位置对AI模型性能的影响.
• 利用多谱自光成像来评估组织特征和与疾病相关的特征.
• 提出并评估了一种特定于组织的微调方法.

主要成果:

• 多光谱自光成像捕获组织特征,但这些信息在损伤图像中降解.
• 发现组织特异性特征与与疾病相关的特征交织在一起.
• 提出的组织特异微调方法改善了整体性能,并将公平差距缩小了5%以上.

结论:

• 口腔位置是口腔癌诊断人工智能模型中偏差的一个重要来源.
• 人工智能模型需要精心设计,以减轻基于位置的偏见,并确保公平的性能.
• 组织特定微调提供了一种有希望的方法,以提高口腔癌诊断AI的公平性和准确性,改善临床结果.