医学图像分析中学习算法的因果性研究综述

医学图像分析是一个充满活力的研究领域，为医生和医疗从业者提供了宝贵的洞察力以及准确诊断和监测疾病的能力。机器学习为该领域提供了额外的助力。然而，用于医学图像分析的机器学习尤其容易受到自然偏差（如域偏移）的影响，这些偏差会影响算法的性能和鲁棒性。在本文中，我们在技术成熟度等级（Technology Readiness Levels）框架内分析用于医学图像分析的机器学习，并综述因果分析方法如何在创建鲁棒且可适应的医学图像分析算法时填补空白。我们综述了在医学成像 AI/ML 中使用因果性的方法，发现因果分析有潜力缓解临床转化中的关键问题，但迄今为止其应用和临床下游研究仍然有限。