多器官图像分割基础模型公平性的实证研究

分割基础模型，例如Segment Anything Model（SAM），在医学图像领域引起了越来越多的关注。早期的开创性研究主要集中于从整体准确性和效率的角度评估和改进SAM的性能，但很少关注公平性问题。这种疏忽引发了关于其是否存在性能偏差的疑问，这种偏差可能类似于在任务特定深度学习模型（如nnU-Net）中发现的偏差。在本文中，我们探讨了大型分割基础模型的公平性困境。我们前瞻性地整理了一个基准数据集，包含来自总共1056名健康受试者的肝脏、肾脏、脾脏、肺和主动脉等器官的3D MRI和CT扫描，并附有专家分割结果。至关重要的是，我们记录了每个受试者的性别、年龄和身体质量指数（BMI）等人口统计学细节，以促进细致的公平性分析。我们测试了用于医学图像分割的最先进的基础模型，包括原始SAM、medical SAM和SAT模型，以评估不同人口统计学组别的分割效果并识别差异。我们的综合分析考虑了各种混杂因素，揭示了这些基础模型内存在的显著公平性问题。此外，我们的研究结果不仅突出了整体分割指标（如Dice相似系数）的差异，还揭示了分割误差空间分布的显著变化，为确保护医学图像分割公平性所面临的细微挑战提供了经验证据。