近日，苏州高等研究院与中国科学院计算技术研究所研究团队合作下在国际期刊npj Digital Medicine上发表综述论文“Addressing Fairness Issues in Deep Learning-Based Medical Image Analysis: A Systematic Review”，详细总结了医学影像分析算法中公平性有关研究现状。

近年来，深度学习在各种医学影像分析应用中展现出了显著的性能。然而，研究指出，这些算法应用于特定人群时会存在一定的性能差异。例如，模型相较于青年、男性群体，在老年、女性群体中的预测表现较差。该问题被研究人员定义为“算法公平性（algorithm fairness）”。解决这一公平性问题已成为人工智能研究人员和临床医生共同的努力方向。

现有不公平性弥补算法示意图

该综述深入探讨了在医学影像分析中解决公平性问题的当前进展，介绍了群体公平性（Group Fairness）的基础知识，归纳了现有医学影像分析算法公平性研究进展，按照公平性评估和不公平性弥补两大类对已有研究进行了深入分析。综述最后讨论了在建立公平的医学影像分析和医疗应用过程中现存的挑战和机遇。通过本篇综述，旨在促进人工智能研究人员和临床医生对公平性的一致性理解，推动不公平性弥补算法的发展，并为创建一个公平的医学影像分析系统做出贡献。

生物医学工程学院博士生徐梓康为论文第一作者，周少华教授为论文通讯作者。该工作得到了国家自然科学基金委、苏州市的资助。

论文链接：https://www.nature.com/articles/s41746-024-01276-5

（生物医学工程学院、苏州高等研究院、科研部）