使用脊椎基础模型在无人口统计数据下评估胸部 X 光片的公平性

确保医学影像诊断模型在不同人群中的表现一致，并将公平性纳入机器学习模型，是推动医疗影像诊断发展并促进公平医疗保障的关键因素。然而，许多数据库未提供受保护属性或包含人口统计学属性的不平衡表示， complicating 对不同人口统计学群体上的模型性能评估以及依赖这些属性的偏差缓解技术的应用。本研究旨在探讨使用基础模型的脊椎作为嵌入提取器，用于创建代表受保护属性（如性别和年龄）的群组的有效性。我们提出在偏差缓解的不同阶段利用这些群组，包括预处理、内置处理和评估。通过使用内外分布场景中的数据库，可以识别该方法在两个数据库中均能创建代表性别的群组，并在内分布中降低性别属性差异 4.44%，在外分布中降低 6.16%。然而，该模型在处理年龄属性方面缺乏鲁棒性，凸显了需要更根本公平且稳健的基础模型的需求。这些发现表明该方法在缺乏属性知识的场景中发挥公平性评估作用，促进了更公平的医疗诊断的发展。