一篇新发表在arXiv上的研究调查了长尾胸部X光片分类模型中的公平性问题。研究强调,即使是排名表现可接受的模型,也可能漏诊罕见的阳性患者,尤其是在特定的亚组人群中。通过分析VinDr-CXR和MIMIC-CXR/CXR-LT等数据集,该研究提出了涉及亚组感知加权和阈值选择的方法,以降低罕见病和代表性不足群体的假阴性率。研究结果表明,罕见标签分类中的公平性取决于具体的医学发现、亚组以及所选的操作阈值,而不仅仅是标签频率或一般的排名指标。 AI
影响 凸显了医疗AI中关键的公平性差距,需要仔细审计和阈值调整以实现公平部署。
排序理由 关于医学影像中AI公平性的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →