Hadlock

胎儿超声检查中的AI偏见与图像质量相关，而非仅与代表性相关

研究人员开发了一个新的框架，用于识别和解开医学AI中的交叉偏见，特别是检查胎儿超声模型。该框架结合了无监督切片发现、因子分析和有针对性的交叉评估，以解决即使在数据代表性充足的情况下也可能出现的性能差异。一项使用超过94,000张超声图像进行的胎儿体重估算案例研究显示，像素间距（通常会根据高BMI或低孕周等因素进行调整）显著影响了模型性能，凸显了进行与采集相关的公平性评估的必要性。