常规胸片X光的人工智能模型可预测健康保险类型
计算机视觉与模式识别
2026-04-16 v6 人工智能
摘要
人工智能正在揭示医学从未意图编码的东西。深度视觉模型，训练于胸片X光，现已能够检测疾病，同时发现潜在的社会不平等痕迹。本研究表明，最先进的架构（DenseNet121、SwinV2-B、MedMamba）能够从正常胸片X光中预测患者的健康保险类型（作为社会经济地位的强代理解），具有显著准确性（MIMIC-CXR-JPG中AUC约0.70，CheXpert中0.68）。该信号不太可能由人口学特征贡献——我们的机器学习研究结合年龄、种族和性别标签来预测健康保险类型；即使仅在单一种族群体训练，该信号也仍然可检测。基于补丁的遮挡揭示，该信号是分布式的而非局部的，嵌入在上肺和中肺区域。这表明深度网络可能正在内部化来自临床环境、设备差异或护理路径的细微痕迹；学习社会隔离本身。这些发现挑战了医学图像中性 biological 数据的假设。通过揭示模型如何感知和利用这些隐藏的社会指纹，本工作重新定义了医学AI中的公平性：目标不再仅仅是平衡数据集或调整阈值，而是审视并分离嵌入在临床数据本身中的社会指纹。
引用
@article{arxiv.2511.11030,
title = {Algorithms Trained on Normal Chest X-rays Can Predict Health Insurance Types},
author = {Chi-Yu Chen and Rawan Abulibdeh and Arash Asgari and Sebastián Andrés Cajas Ordóñez and Leo Anthony Celi and Deirdre Goode and Hassan Hamidi and Laleh Seyyed-Kalantari and Ned McCague and Thomas Sounack and Po-Chih Kuo},
journal= {arXiv preprint arXiv:2511.11030},
year = {2026}
}
备注
Accepted by MIDL 2026