在基于深度学习的前列腺MRI图像细分中对种族偏见的调查
Maram Alqarni1,2, Emma-Louise Jones3,4, Luis Ribeiro5
1School of Biomedical Engineering and Imaging Sciences, Faculty of Life Sciences and Medicine, King's College London, London, SE1 7EU, United Kingdom. maram.a.alqarni@kcl.ac.uk.
Scientific reports
|December 6, 2025
概括
对于前列腺MRI细分的深度学习模型可能显示种族偏见. 平衡的培训数据改善了黑人和白人患者的表现,突出了人工智能开发中需要多样化的数据集的需求.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 辐射疗法 辐射疗法
背景情况:
- 深度学习 (DL) 用于前列腺磁共振成像 (MRI) 细分,用于临床应用,如放射治疗规划.
- 有关DL模型中的潜在性能偏差存在担忧,这些模型基于种族等受保护属性.
研究的目的:
- 在基于DL的前列腺MRI细分中调查潜在的种族偏见.
- 评估训练数据种族不平衡对不同种族群体细分表现的影响.
主要方法:
- 在五个T2权重的MRI数据集上训练DL模型,其中有不同的白人/黑人种族不平衡和一个公共数据集.
- 评估了32个匹配的白人和黑人临床试验对象的模型.
- 使用线性混合效应建模来分析性能差异 (迪斯相似系数 - DSC).
主要成果:
- 两场比赛的最佳表现是在训练数据集与比赛平衡时实现的.
- 随着黑人代表在不平衡的训练集中增加 (p < 0.05),观察到白人和黑人的绩效差距略有减少.
- 在使用未知种族的公共数据集进行训练的DL模型显示,种族之间没有显著的性能差异.
结论:
- 研究结果表明,当训练数据不平衡时,DL前列腺MRI细分中可能存在种族偏差.
- 跨群体报告种族人口统计,训练数据和测试表现的透明度至关重要.
- 建议包括在人工智能开发中对人口数据的伦理和法律保障.
