摘要

近年来，机器学习系统因其在临床任务中实现专家级表现的能力而受到广泛关注，尤其是在医学影像领域。本文探讨了最先进的深度学习分类器在从X射线图像中生成诊断标签时，对受保护属性（如患者性别、年龄、种族和保险类型，后者可作为社会经济地位的代理指标）是否存在偏差。我们训练卷积神经网络，在三个主流公开的胸部X射线数据集——MIMIC-CXR、Chest-Xray8 和 CheXpert——以及上述数据集的多中心整合数据集上，预测14种诊断标签。我们以真阳性率（True Positive Rate, TPR）差异作为衡量标准，评估不同受保护属性之间的性能差距。研究发现，在所有数据集、所有临床任务及所有亚组中，最先进的分类器均存在显著的TPR差异。值得注意的是，多源数据集整合版本表现出最小的TPR差异，提示通过数据融合可能是缓解偏差的一种有效途径。此外，我们发现TPR差异与特定亚组的疾病负担比例之间并无显著相关性。随着临床模型从研究论文走向实际应用产品，我们呼吁临床决策者在模型部署前，必须对其潜在的算法偏差进行严格审计。本文相关代码已开源，可通过以下链接获取：https://github.com/LalehSeyyed/CheXclusion