内隐公平诊断网络

性别年龄偏差大减

通过建模眼底特征与疾病间的因果关联，在多种眼底病诊断中同时降低性别与年龄偏差，且不牺牲诊断精度。

谭伟敏 · Wei, Qiaoling · Xing, Zhen · Fu, Hao · Kong, Hongyu · 陆一 · Yan, Boo · 赵晨

Nature Communications 2024

参数信息

覆盖病种（超广角）

38

覆盖病种（窄角）

16

技术优势

公平性大幅提升

模型将公平性指标（如 EEO、DP）相对 SOTA 提升数十个百分点，同时保持诊断精度，不会顾此失彼。

不牺牲精度

公平性提升不是以牺牲精度为代价，模型在多种眼底病上与 SOTA 精度相当或更优。

因果建模去偏

利用眼底特征与疾病间的因果关联，该关联相对独立于性别、年龄等敏感属性，从根源上降低偏差。

应用场景

• 眼科AI诊断：为医院提供更公平的多病种筛查，减少因性别、年龄导致的误诊漏诊。
• 医疗公平性：在眼底病诊断中同时缓解性别与年龄偏差，推动公平医疗。
• 可信AI：通过因果去偏实现可解释的公平性，增强医生与患者对AI诊断的信任。