Quantifying Consistency Uncertainty to Evaluate Predictive Fairness of AI Models in Skin Lesion Classification

本研究解决了医疗图像基础AI模型在不同患者人口统计特征下的预测不确定性及公平性评估问题。通过应用一致性分析，我们量化了纵向变换器模型在皮肤病变分类中的预测不确定性，并提出了一种新的公正性度量方法，展示了模型在处理性别、年龄和种族差异时的可靠性及公平性。研究结果表明，这一方法有助于提高临床AI的信任度和公平性。

本研究分析了医疗图像AI模型在不同患者特征下的预测不确定性与公平性，量化了模型在皮肤病变分类中的表现，并提出了新的公正性度量，以增强临床AI的信任度与公平性。

AI模型 models 公平性 医疗图像 皮肤病变 预测不确定性
原文英文，约100词，阅读约需1分钟。发表于：。
阅读原文
分享给好友