评估基于机器学习的皮肤癌诊断

本研究评估了两种深度学习模型在皮肤癌检测中的可靠性，重点关注其可解释性和公平性。使用 HAM10000 数据集中的皮肤图谱图像，研究 assesses 两种卷积神经网络架构：一种基于 MobileNet 的模型和一种自定义 CNN 模型。两种模型均被评估其将皮肤瘤分为七类以及区分危险和良性瘤的能力。使用 Saliency Maps 和 Integrated Gradients 评估可解释性，结果由皮肤科医生解读。研究发现，两种模型总体上大多数皮肤类型都突出了相关特征，尽管在某些类别（如皮脂丘疣和血管瘤）方面仍存在挑战。通过性别和皮肤色素组别评估公平性。虽然两种模型在性别组别中都表现出公平性，但在浅色和深色皮肤色素之间显示出显著的假阳性和假阴性率差异。应用校准化平衡后处理策略以缓解这些差异，结果改善了公平性，尤其是减少了假阴性率差异。本研究得出结论，尽管这些模型在可解释性方面表现出色，但仍需进一步发展以确保不同皮肤色素的公平性。这些发现强调了在医疗应用中，对 AI 模型进行严格评估的重要性，尤其是在多样化人群中。