通过基于生成式人工智能的图像合成实现基于人工智能的皮肤病变分类器的公平性评估优化-计算机科学-深度学习-可信赖的人工智能-医疗影像.pdfVIP

通过基于生成式人工智能的图像合成实现基于人工智

能的皮肤病变分类器的公平性评估优化

KoWatanabe,StanislavFrolov,AdrianoLucieri,andAndreasDengel

GermanResearchCenterofArtificialIntelligence(DFKI)

ko.watanabe@dfki.de

摘要近期深度学习及其在边缘计算上的应用在皮肤癌（如黑色素瘤）的常

本规筛查革命中具有巨大潜力。除了这项技术预期的好处外，潜在的风险也来

译自于未预见和固有的偏见。因此，评估并改进此类系统的公平性极为重要。

公平性评估的关键挑战之一是确保评估数据集充分代表不同的Personal

中IdentifiableInformation(PII)（性别、年龄和种族）及其他少数群体。面

1对这一挑战，本研究利用最先进的GenerativeAI(GenAI)LightningDiT

v模型来评估公开可用的黑色素瘤分类器的公平性。结果表明，使用高度逼

0

6真的合成数据进行公平性评估是一个有前景的方向。然而，我们的发现指

8出，当用于评估的黑色素瘤检测模型是基于与合成图像基础数据集不同的

7

1数据训练时，验证公平性变得困难。尽管如此，我们认为我们提出的方法

.为利用合成数据来衡量和增强医疗影像ArtificialIntelligence(AI)系统中

7

0的公平性提供了一个有价值的全新途径。

5

2

:Keywords:黑色素瘤检测·可信赖的人工智能·公平性·生成式人

v

i工智能

x

r

a

1介绍

黑色素瘤是所有皮肤癌中最致命的一种。2020年，全球共报告了325,000

例新病例（包括174,000名男性和151,000名女性）以及57,000例死亡案例

（其中32,000名为男性，25,000名为女性）[3]。此外，预计到2040年，全

球黑色素瘤的新病例数将达到510,000例（增长约50%），死亡人数将达到

96,000人（增加68%）。然而，通过早期检测可以显著提高生存机会。例如，

在德国的石勒苏益格-荷尔斯泰因地区，对360,288名20岁及以上的个体进

行了一项皮肤癌筛查项目，与2008年相比，到2009年男性的黑色素瘤死亡

人数减少了47%，女性则减少了49%[21]。在澳大利亚，共有2,452名患者

2WatanabeandFrolovetal.

参加了筛查计划，其黑色素瘤的死亡率降低了59%[41]。这些事实表明，尽

管假设黑色素瘤病例数量会增加，但早期检测可以显著降低死亡风险。

由于在AI领域的必威体育精装版进展以及智能手机和其他成像设备的普及，日常

生活中的自动化医疗诊断得到了显著便利。临床常规筛查中黑色素瘤的检测

可以很容易地通过基于AI的决策支持系统得到辅助，这些系统能够以人类

可理解的语言解释它们的决策[24]。理论上，这项技术甚至可以从世界任何

地方远程应用。基于