文献速递胸部CT

深度学习模型如何跨人群泛化?COPD检测的跨种族泛化研究

How do deep-learning models generalize across populations? Cross-ethnicity generalization of COPD detection.
PubMed 文献 · Insights Imaging · 2024-08-07

基于COPDGene 7549例(非西班牙裔白人5240例、非裔美国人2309例)吸气相胸部CT回顾性分析,比较监督学习与自监督学习模型在COPD二分类检测中的跨种族表现。自监督学习方法AUC显著高于监督学习(p<0.001),在包含两类人群的平衡数据集上训练可提升性能并减少跨种族分布偏移。

要点

  • 自监督学习模型AUC显著高于监督学习模型(p<0.001),且不确定性更低。
  • 在非西班牙裔白人与非裔美国人平衡数据集上训练可提升COPD检测性能并减少跨种族分布偏移。
  • 监督学习模型在非裔美国人上评估时AUC consistently更高,但全数据集训练时两族性能差距更大。

核心结论

  • 采用自监督学习方法并在大型平衡数据集上训练,可提升COPD检测模型性能并减少跨种族人群的偏倚。

研究设计与样本

  • 回顾性分析COPDGene phase 1研究(NCT00608764)2008至2011年纳入的7549例受试者,其中非西班牙裔白人5240例、非裔美国人2309例,平均年龄62岁(四分位距56–69岁)。
  • 仅纳入吸气相胸部CT,影像来自不同扫描仪和不同制造商。
  • 比较三种监督学习方法(PatClass+RNN、MIL+RNN、MIL+Att)与三种自监督学习方法(SimCLR、NNCLR、cNNCLR),下游任务固定为异常检测。
  • 训练配置包括仅非裔美国人、仅匹配的非西班牙裔白人、平衡集(一半匹配非西班牙裔白人+一半非裔美国人)及全集(非西班牙裔白人+非裔美国人全部)。
  • 以AUC为主要评价指标,AUPRC同时报告,采用多元线性回归分析预测因素,Holm-Bonferroni法校正多重比较。

关键影像表现/征象

  • 非裔美国人在匹配肺功能受损情况下CT上肺气肿表现较非西班牙裔白人更轻。
  • 自监督学习模型在健康与患病受试者中的异常评分分布跨种族差异较监督学习模型更小。
  • NNCLR模型在全部训练配置下非裔美国人与非西班牙裔白人健康受试者边际分布均存在显著差异(p<0.0001)。
  • cNNCLR在仅非裔美国人训练(p=0.02)、仅非西班牙裔白人训练(p<0.0001)及全集训练(p=0.003)时健康个体跨种族分布存在差异。
  • cOOpD模型在所有训练配置下健康与患病受试者的跨种族分布均无统计学显著差异。

诊断标准与关键数值

  • 以AUC作为COPD二分类检测的主要评价指标,AUPRC同时报告。
  • 监督学习模型AUC显著低于自监督学习模型(β=−18.90,p<2e-16)。
  • 仅匹配非西班牙裔白人训练相比全集训练AUC显著更低(β=−4.09,p=0.01)。
  • 仅非裔美国人训练相比全集训练AUC呈更低趋势但未达统计学显著。
  • 平衡集训练与全集训练之间AUC无显著差异,两评估人群之间AUC亦无显著差异。

临床应用与阅片要点

  • 在COPD胸部CT深度学习检测模型开发中,作者认为采用自监督学习方法并在包含多族裔的平衡数据集上训练,可能有助于提升性能并减少跨种族偏倚。
  • 原文指出当前公平性研究多集中于医学影像的病理分类任务,COPD在少数族裔中的诊断预测性能仍研究不足,本工作无法与其他研究直接比较。

局限性

  • 本研究仅纳入吸气相胸部CT,未纳入呼气相图像。
  • 本研究无法与其他COPD跨种族研究直接比较,因为此前公平性研究多集中于医学影像病理分类任务,未关注少数族裔COPD诊断。
  • 自监督学习仍可能从数据本身及自监督任务设计中学习到偏倚。
全文中译15 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Insights Imaging. 2024 Aug 7;15:198. doi: 10.1186/s13244-024-01781-x

引言

慢性阻塞性肺疾病(COPD)因其不可逆的气道和/或肺泡异常导致持续性气流受限,在医疗环境中构成重大挑战。尽管其全球患病率为10.3% [1],COPD仍存在诊断不足和误诊问题 [2],因此需要改进诊断策略。COPD诊断的复杂性源于其多样的临床表现,受生物学、社会经济和文化因素影响,而种族和民族差异进一步使管理复杂化。

美国2021年的最新报告显示,非洲裔美国人(AA)和非西班牙裔黑人群体的COPD患病率为6.2%,略低于非西班牙裔白人(NHW)的6.5%,且显著高于拉丁裔个体的3.9% [3]。横断面研究一致表明,AA个体的肺功能较低,第1秒用力呼气容积(FEV1)最多低10–15% [4, 5],部分归因于人体测量学因素 [4, 6]。COPD差异还体现在健康相关生活质量、呼吸困难严重程度、运动能力和急性加重率方面,AA个体的结局较NHW更差 [7, 8]。影像学发现反映了这些差异,AA个体在CT扫描上显示肺气肿程度较轻,尽管其肺功能损害程度相当 [9]。虽然肺量计参考方程中的种族调整历来用于处理这些差异,但近期观点主张采用种族中立的方法,以减少诊断和治疗中的潜在偏倚,尤其是在弱势人群中 [10–15]。这一不断发展的观点要求重新审视可能固化种族或民族偏倚的既有COPD诊断实践。

在这些挑战之中,人工智能的出现为COPD的诊断和管理提供了有前景的途径。特别是在影像诊断方面,深度学习(DL)在COPD早期诊断和改善结局方面发挥了关键作用 [16–23]。然而,随着AI检测模型能力的展现,对其潜在种族偏倚的担忧也随之浮现。

近期研究[24, 25]表明,这些AI模型非但未能减轻偏见,反而可能加剧并固化不公平性,尤其是针对特定亚人群。偏见得以固化的机制是多方面的。在训练过程中,数据集可能无意中低估了某些患者群体的代表性或包含有害的相关性,导致模型结果出现偏差。进一步凸显这些担忧重要性的是,人们认识到人类偏见被封装在用于训练这些模型的目标标签中[26]。此外,算法设计本身也可能具有更高的学习和传播此类偏见的倾向。算法设计的主要类别包括监督学习(SL)和自监督学习(SSL)模型。SL方法可能继承标注数据集中存在的偏见[27],从而可能固化疾病检测中的差异[25, 28, 29]。另一方面,SSL方法较少受标注数据固有偏见的影响,因为它们依赖于直接从无标注数据中学习表征,通常通过前置任务实现。这种对偏见标签的独立性是一项显著优势,可能降低固化标注数据集中现有偏见风险。然而,必须指出的是,SSL仍可能从数据本身以及所选SSL任务的设计中学习到偏见。即使在无监督/自监督学习的更广泛类别中,最先进的模型在某种程度上仍可能 harboring 与从数据中学到的关联相关的偏见[26, 30]。

尽管该问题的重要性日益增长,先前的研究在很大程度上忽视了常见COPD影像检测模型中编码的潜在种族偏见,无论其采用SL还是SSL技术。此外,此类偏见对这些模型性能的影响仍未得到探索。

面对这一复杂的多因性问题,我们研究了胸部CT上的COPD预测模型——无论是监督式还是自监督式——在不同种族人群中的泛化表现。这一探索具体定义在最大的COPD影像数据集——COPD遗传流行病学(COPDGene)——的背景之下,作为我们全面探究的焦点。

具体而言,我们的探索围绕三个关键研究问题展开:研究问题1(RQ1):当COPD检测模型在大规模数据集上训练时,NHW和AA在多大程度上经历相似的预测性能?

研究问题2(RQ2):训练人群选择对NHW和AA之间测试准确率差异有何影响?这涉及评估仅在AA、NHW以及由两者等比例组成的平衡集上训练的模型。

研究问题3(RQ3):如果存在差异,SSL方法的差异是否更小?

审视DL算法中不公平性的可能性——无论是由于训练集中少数人群代表性不足还是算法本身——是全面理解COPD预测模型领域中训练人群动态与算法公平性之间复杂关系的第一步。

材料与方法

研究样本

我们的研究回顾性分析了COPDGene 1期研究[31](clinicaltrials.gov,NCT00608764;http://www.copdgene.org/),该研究在2008年至2011年间招募了自我报告的当前和既往非西班牙裔白人(NHW)和非裔美国人(AA)吸烟者(≥ 10包年),年龄45-80岁。每位受试者均采集了吸气相(Insp)和呼气相(Exp)配对胸部CT、肺功能检查及问卷。影像数据来自不同扫描仪和不同制造商。具体图像采集参数因扫描仪型号而异,相关信息见[31, 32]。

为简化分析并保持简洁性,本研究仅纳入吸气相图像,因为对比任务已证明即使不纳入呼气相图像也具有稳健性[20]。预处理策略遵循[20, 21]的描述。

亚群匹配与数据划分

NHW与AA之间在COPD预测上的差异(如有)可能与人口学和危险因素变量的混杂效应有关。为限制此类因素的影响,基于年龄、性别和吸烟年限(年)相同的个体,选取NHW人群与AA人群进行匹配(NHW匹配组)。在此基础上,为探究训练人群的影响,COPD预测模型分别在完整数据集(NHW和AA)、仅AA、仅NHW匹配组以及完全平衡集(一半NHW匹配组+一半AA)上进行训练。

COPD预测差异在仅AA和仅NHW匹配组的测试集划分上进行评估。

训练、验证和测试的数据划分遵循与[20, 21]相同的策略,现将其应用于AA数据集。

COPD模型预测

为探究监督学习(SL)和自监督学习(SSL)对COPD二分类性能的影响,评估了多种模型。

监督学习(SL)模型

为评估SL方法,我们采用了三种成熟的基于体素的方法:带循环神经网络(RNN)的端到端图像块分类器(PatClass + RNN);以RNN作为聚合器的多实例学习(MIL + RNN);基于注意力的MIL(MIL + Att)。所有方法在补充材料S-1中有详细描述。

自监督学习(SSL)模型

为评估SSL方法,比较了三种自监督对比任务(SimCLR、NNCLR和上下文感知NNCLR),并以下游任务采用固定的异常检测方法。这些模型基于Almeida SD等人[20, 21]近期提出的自监督异常检测方法(cOOpD)。该方法基于利用对比潜在表征对正常肺区域分布进行建模,并将偏离该分布的样本识别为COPD异常样本。在其方法中,SimCLR[33]被用作自监督对比模型,作为 pretext 任务提取每个肺区域的高信息量潜在特征。随后,对肺功能正常受试者的健康区域应用生成模型以辨别“正常性”分布。分布外样本根据负对数似然被赋予异常评分,从而能够识别COPD区域。患者级标签通过聚合局部级评分获得。

为了进一步增强潜在表示的丰富性并超越单一实例正样本,我们改编并比较了Almeida SD等人的cOOpD方法与两种自监督前置任务方法:最近邻对比学习方法(NNCLR)[34]以及一种新颖的上下文感知NNCLR(cNNCLR)。

NNCLR方法通过引入从记忆库中采样的最近邻来增加正样本对的多样性,旨在提高潜在表示的丰富性并克服预定义数据增强的局限性。

新颖的cNNCLR改编方法通过强制最近邻来自同一肺叶和同一患者来解决疾病相关样本选择的问题,利用空间信息获得更精细的表示。鉴于COPD中观察到的细微且异质的病理模式,这一改编尤为重要。

对于NNCLR和cNNCLR,实现配置遵循了随机增强、编码器选择和记忆库大小的既定策略,确保与先前工作[34]的一致性。所有自监督前置任务均采用与原始Almeida SD等人[20, 21]方法相同的下游任务。关于方法和实现的更多细节见补充材料S-2和S-3。补充图1展示了NNCLR与cNNCLR之间的主要差异。

自监督模型的代码可在GitHub公开仓库获取(https://github.com/MIC-DKFZ/cOOpD)。

统计分析

模型性能以受试者工作特征曲线下面积(AUC)作为主要评价指标进行评估。同时报告了精确率-召回率曲线下面积(AUPRC)。更多细节见补充材料S-4。AA与NHW之间的测试性能差异基于AUROC进行测量。

采用多元线性回归分析预测AUC,自变量包括:学习方法类型(SL vs SSL)、训练配置(AA、NHW、AA + NHW、AA + NHW平衡)和评估人群(仅AA和仅NHW)。选择多元线性回归是为了量化每个预测变量及其交互作用的贡献,从而全面分析学习方法、训练配置和评估人群对AUC的影响。多重比较校正采用Holm-Bonferroni方法。

使用Kolmogorov–Smirnov检验比较SSL方法生成的异常评分分布。假设是各个二分类类别(患病/健康)的分布应当相同,与种族无关。对p值应用了Benjamini–Yekutieli校正。

统计分析使用R软件(版本4.2.3;R Foundation for Statistical Computing)完成。p值< 0.05被认为具有统计学意义。

结果

数据集特征

表1展示了本研究使用的研究样本的人口学数据和肺功能参数,按种族(AA和NHW)分组。另提供一列显示与AA匹配的NHW人群(NHW-matched)。患者特征随后按训练集、评估集和测试集分组。总体而言,本研究纳入了7549名COPDGene个体(平均年龄62岁,四分位距56–69),其中5240名为NHW,2309名为AA。

表1 分析的COPDGene研究样本的人口学数据和功能参数,按种族和数据集划分(训练集、评估集和测试集)分类 查看原表 ↗

模型性能

不同模型、训练和评估患者亚组之间在AUC方面的性能差异总结于图1和补充表1中。SSL方法总体优于SL方法,SL方法表现出较低的平均性能,无论训练和评估配置如何。此外,SL模型中AUC的离散度高于SSL。总体而言,性能最佳的组合是NNCLR结合上下文框架应用于大规模数据集(NHW + AA全部),其次是SimCLR。

表2呈现了多元线性回归模型的结果。各种预测变量之间的交互作用也进行了检验,但由于不显著,模型在无交互作用的情况下重新拟合。如表2所示,F统计量的p值显著,意味着至少有一个预测变量(学习类型、训练配置和评估人群)与AUC显著相关。总体决定系数(R2)表明模型解释了AUC方差的多少。每个预测变量(学习类型、训练配置和评估人群)对因变量(AUC)的贡献由相应的β值和p值表示。

在保持训练配置和评估人群不变的条件下,SL方法的AUC显著低于SSL(β = −18.90,p < 2e-16)。在NHW匹配人群上训练得到的AUC在统计学上显著低于在NHW + AA全部人群上训练(β = −4.09,p = 0.01)。虽然在AA-only人群上训练的AUC低于参考的NHW + AA全部人群,但差异不显著。在保持学习类型和评估人群不变的条件下,在平衡集(一半NHW匹配 + 一半AA)上训练与在整个人群(NHW + AA全部)上训练之间未发现差异。同样,在保持学习类型和训练配置不变的条件下,评估人群之间也未发现差异。

图1 本研究的流程示意图。A 非西班牙裔白人(NHW)与非裔美国人(AA)之间COPD相关临床特征的主要差异以及胸部CT上正常和病变区域的可视化表示。COPD检测性能的影响通过两个因素的效应进行评估:B 训练人群(仅AA、仅NHW匹配、AA和NHW匹配、AA和NHW全部)和(C)学习策略(监督学习[SL]和自监督学习[SSL])。D 通过比较每种训练配置和学习策略的受试者工作特征曲线下面积(AUC)以及评估性能最佳方法产生的分布差异来评价其影响 查看原图 ↗
表2 多元线性回归分析,以以下变量为自变量预测主要性能指标(AUC):学习方法的类型(监督vs自监督)、训练配置(仅AA、仅NHW匹配、AA + NHW全部、AA + NHW平衡)和评估人群(仅NHW匹配和仅AA) 查看原表 ↗

RQ1:当COPD检测模型在大规模数据集上训练时,NHW和AA在多大程度上经历相似的预测性能?

在保持其他预测变量不变的情况下,评估人群之间未发现具有统计学显著性的差异。这表明NHW和AA个体经历相似的预测性能,独立于学习策略和训练配置。尽管如此,使用多样数据源(NHW + AA全部)训练的SL模型在NHW和AA人群之间表现出更大的平均性能差异。此外,相同的训练配置(NHW + AA全部)表现出比人群特异性配置更高的AUC(NHW匹配 p = 0.01,仅AA趋势 n.s.),而与平衡集(一半NHW匹配 + 一半AA)相比未发现差异。因此,尽管在AA和NHW之间未发现COPD检测性能的差异,但当模型在全部(NHW + AA全部)或平衡集(一半NHW匹配 + 一半AA)上训练时,性能更高。

RQ2:训练人群的选择对NHW和AA之间的测试准确率差异有什么影响?

无论训练人群如何,SL在AA人群上评估时始终表现出比NHW个体更高的AUC。对于SSL,存在在与评估人群匹配的人群上训练时AUC均值更高的情况(例如,在NHW上评估时使用NHW匹配)。这一效应在所有模型和配置中一致,但NNCLR模型除外。尽管在评估人群方面未发现统计学显著差异,但训练配置对整体AUC有影响:与在人群特异性数据集上训练相比,在训练集中同时包含NHW和AA患者可提高模型在两种人群上的性能。

RQ3:如果存在差异,这些差异在自监督方法中是否更小?

图2显示,与SSL相比,SL在COPD预测中通常表现出较低的性能和较高的不确定性。此外,在整个人群上训练的SL倾向于在NHW和AA个体之间表现出更明显的性能差异。相反,SSL虽然总体上达到更高的平均AUC(p < 2e-16),但也揭示了更大的种族间差异,特别是在其他人群配置上训练时。

图2 与自监督模型相比,监督模型表现出较低的性能和较高的不确定性。监督模型(MIL + Att、MIL + RNN、PatchClass + RNN)和自监督模型(cOOpD、NNCLR、cNNCLR)之间以及不同训练和评估亚种族组之间的COPD预测性能比较。训练亚组用颜色表示,评估亚组用线型表示。种族亚组的平均分类性能以AUC(%)表示,误差线代表最小值–最大值。左上角的条形图表示模型之间的平均AUC差异(NHW - AA)。因此,正值条形表示在NHW上评估的模型相比在AA上评估的模型具有更高的预测性能。 查看原图 ↗

SSL生成的异常分数分布是否表现出偏倚,是否有证据支持以下假设:个体二分类(患病/健康)的分布是相同的,与种族无关?

图3展示了在不同训练配置和SSL模型下,不同种族(AA与NHW)在健康和患病受试者的异常评分分布之间的差异。特别是,具有上下文感知训练的NNCLR(cNNCLR)表现出更显著和更大的差异,在COPD/健康亚组分布中观察到AA与NHW患者之间存在明显的偏移。相反,在任何训练配置下,cOOpD均未观察到明显的分离。值得注意的是,在整个数据集(NHW + AA全部)上训练导致的视觉相关差异最小。

如表3所示,统计分析证实了这些定性观察结果。cOOpD模型未发现统计学显著差异,表明在不同训练配置下,AA与NHW的健康和患病患者分布相似。另一方面,对于NNCLR,在所有训练配置下,AA与NHW健康患者之间的边际分布均存在显著差异(p < 0.0001)。对于患病患者,未发现差异证据,仅在仅NHW训练时例外(p = 0.03)。最后,对于cNNCLR,当模型仅在AA训练(p = 0.02)、仅NHW训练(p < 0.0001)以及在整个数据集上训练(p = 0.003)时,健康个体不同种族之间的分布存在差异。在所有情况下,cNNCLR在患病患者逐人异常评分分布中均未发现差异;当模型在平衡集(一半NHW匹配 + 一半AA)上训练时,健康个体中也未发现差异。

图3 在匹配的平衡人群(一半NHW匹配 + 一半AA)上训练显示,在相同健康状况下,不同种族之间的分布偏移较少。SSL cOOpD模型被证明是最具泛化性的。逐人异常评分中的分布偏移。健康(绿色)和COPD病例(橙色)的AA个体(实线)和NHW个体(虚线)的分布在四种训练配置(仅AA、仅NHW、一半NHW匹配 + 一半AA、AA + NHW全部)下,跨自监督模型(cOOpD、nnCLR、cNNCLR)绘制。图表使用测试集组中的所有个体生成。由“*”标注的统计学显著差异(**** < 0.0001,*** < 0.001,** < 0.01,* < 0.05),通过Kolmogorov–Smirnov检验测量,按条件显示:健康(左)和COPD(右) 查看原图 ↗
表3 用于比较自监督模型(cOOpD、NNCLR、cNNCLR)逐人异常评分分布中各种族评估人群分布的Kolmogorov–Smirnov检验 查看原表 ↗

讨论

在本研究中,我们比较了用于胸部CT扫描COPD检测的深度学习(DL)模型在不同族裔群体间的表现。自监督学习(SSL)优于监督学习(SL)方法(p < 0.001),产生了更高的AUC和更低的不确定性。在整个COPDGene数据集上训练产生了更好的性能,与平衡人群相比无显著差异。SL在非裔美国人(AA)个体上表现更好,而SSL在非西班牙裔白人(NHW)与AA之间表现出不同的性能差异。然而,在完整数据集上训练的SL在AA与NHW之间表现出更大的性能差距。纳入NHW和AA匹配患者改善了性能并减少了差异,有利于SSL方法。此外,在平衡数据集上训练的SSL在各族裔间显示出更一致的异常评分分布,表明其具有减轻偏倚的潜力。这些发现强调了在模型开发和训练中考虑族裔因素的重要性,以确保COPD诊断在不同人群中具有公平的性能。

虽然我们的研究对理解DL模型在COPD检测中的性能和偏倚做出了重要贡献,但它也揭示了现有文献中的一个重要空白。迄今为止,绝大多数公平性研究集中在医学影像中的病理分类任务上[25, 35–40],而未关注少数类别中的COPD诊断。尽管COPD具有高患病率和显著的医疗负担,但其在不同族裔间的诊断预测性能仍研究不足。因此,我们的工作无法与其他研究直接比较。然而,Glocker等人[25]和Seyyed-Kalantari等人[36]的研究评估了胸部X线中各种病理的AI算法偏倚。与我们的发现相似,两项研究均强调了用于疾病检测的AI模型在不同人口学亚组(包括生物学性别、种族,后者还包括社会经济地位)中存在性能差异和偏倚。尽管如此,训练人群和学习策略类型对病理诊断的影响尚未得到解决。

我们的发现也与美国胸科学会(ATS)[41]的近期指南相呼应,该指南倡导在肺功能检测解读中采用种族中立的平均参考方程,同时不鼓励进行种族和族裔调整。我们的观察与这些总体目标一致,因为在族裔特异性数据集上训练的模型平均表现出更大的COPD预测性能差异。另一方面,当模型在整个数据集或平衡数据集上训练时,SSL在不同族裔人群之间的COPD预测中平均表现出更少的差异。我们对异常评分分布的分析还显示,当模型在平衡数据集上训练时,各族裔之间在健康和患病受试者中的统计学显著差异更少。这强调了利用族裔多样化训练数据集以增强模型稳健性和减轻潜在偏倚的重要性。

我们的研究意义是多方面的,可为未来研究和临床实践在几个关键领域提供参考。首先,我们的发现强调了在不同人口群体中评估医学应用深度学习(DL)模型的重要性,以确保性能公平并尽量减少偏倚。这凸显了开展全面数据收集工作的必要性,即纳入多样化人群以有效训练模型并促进泛化性。其次,我们的研究强调了自监督学习(SSL)方法在减轻偏倚和提高COPD检测模型性能方面的潜力。相较于监督学习(SL),这种改善的一个可能原因是SSL方法很可能规避了标注数据集中可能固有的偏倚,从而改善模型泛化性并缩小不同人口群体之间的差异。SSL模型擅长捕捉肺部特征的细微模式和变化,包括受人口因素影响的变化,从而带来更稳健、更具适应性的性能。此外,SSL降低了对特定标注样本过拟合的风险,使其在真实世界应用中更具韧性。总体而言,SSL可减少对劳动密集型人工标注的依赖,并利用医学数据集中大量未标注CT扫描,为改善COPD诊断和医疗结局公平性提供可扩展的解决方案。这表明,投资于SSL方法的开发与评估可能为改善COPD诊断准确性和缩小差异带来显著益处。此外,我们的分析强调了考虑训练数据选择及其对模型性能和偏倚影响的重要性。最后,我们的研究提出了关于模型性能与医疗结局公平性之间最佳平衡的关键考量。在性能较低但族裔群体间差异较小的模型与性能较高但群体间存在一定差异的模型之间如何选择,值得在改善多样化人群公平获得医疗服务的背景下进一步研究。

我们的研究存在一些值得报告的局限性。虽然我们为比较严格匹配了各亚组,但必须承认无法匹配其他因素(如研究地点)这一局限性。具体而言,在以非裔美国人(AA)个体为主要服务对象的研究地点,非西班牙裔白人(NHW)个体数量不成比例地更少。此外,虽然我们将族裔作为关键人口变量予以关注,但社会经济地位、教育水平和环境暴露等其他因素未在我们的分析中加以处理。另外,尽管对吸烟持续时间进行了匹配,NHW与AA人群之间在吸烟状态(即从不吸烟者、既往吸烟者和当前吸烟者的比例)方面仍存在差异,这受到吸烟起始、戒烟率、文化规范以及研究队列内潜在抽样变异性的影响。未来研究应旨在纳入更全面的人口学和临床变量,以更好地理解患者特征与模型性能之间复杂的相互作用。

总之,我们的研究强调了在开发公平的COPD诊断模型时考虑种族因素的重要性。我们倡导全面的数据收集工作,并探索SSL方法以减少偏倚并提高不同人群的诊断准确性,为确保所有人群群体获得公平益处铺平道路。

补充信息

电子补充材料

引用

  1. D Almeida S, Norajitra T, Lüth CT, et al. How do deep-learning models generalize across populations? Cross-ethnicity generalization of COPD detection. Insights Imaging. 2024. PMID: 39112910. doi:10.1186/s13244-024-01781-x
  2. 全文:PMC11306482(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11306482/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。