该文综述医学图像分类中的公平性研究，指出AI在医学影像中可能对不同人群产生不公平预测。研究提出FairPrune剪枝、FairDisCo对比学习、Antigone伪敏感标签、FairSP半私密公平分类等方法，在保护隐私、缺乏敏感标签或属性嘈杂时缩小群体差距。研究还发现，较少编码人口统计属性的模型公平性更好，并强调公平与精度的权衡。