透过心灵之眼：多中心专家混合框架用于医学AI去偏
图像与视频处理
2025-09-19 v3 计算机视觉与模式识别
机器学习
摘要
医学人工智能（AI）模型常基于高度普遍的数据模式进行训练，这些模式强化了偏见，且未能捕捉临床专业知识的广度。受近期混合专家（MoE）进展的启发，我们提出了一种多中心专家混合（MoME）框架，以在不跨机构共享数据的情况下解决医学领域的AI偏见问题。MoME整合了来自不同临床策略的专门专业知识，以增强模型在医疗中心间的泛化性和适应性。我们使用一种用于前列腺癌放疗的多模态靶区勾画模型验证了该框架。通过结合各中心影像与临床笔记的少样本训练，该模型优于基线方法，尤其在中心间变异性高或数据可用性有限的场景中表现突出。此外，MoME支持在不进行跨机构数据交换的情况下根据本地临床偏好定制模型，使其特别适用于资源受限的环境，同时促进广泛可泛化的医学AI。
引用
@article{arxiv.2410.00046,
title = {Mixture of Multicenter Experts in Multimodal AI for Debiased Radiotherapy Target Delineation},
author = {Yujin Oh and Sangjoon Park and Xiang Li and Pengfei Jin and Yi Wang and Jonathan Paly and Jason Efstathiou and Annie Chan and Jun Won Kim and Hwa Kyung Byun and Ik Jae Lee and Jaeho Cho and Chan Woo Wee and Peng Shu and Peilong Wang and Nathan Yu and Jason Holmes and Jong Chul Ye and Quanzheng Li and Wei Liu and Woong Sub Koom and Jin Sung Kim and Kyungsang Kim},
journal= {arXiv preprint arXiv:2410.00046},
year = {2025}
}
备注
12 pages, 5 figures, 4 tables, 1 supplementary material