成功大學資訊工程系與哈佛大學醫學院合作的最新研究指出，現行醫療AI可能潛藏診斷偏差風險，研究成果刊登於國際頂尖醫學期刊《Cell Reports Medicine》，並獲選為封面論文。
研究團隊分析涵蓋乳癌、肺癌等共23種癌症的大量病理影像資料，系統性檢測多個臨床常用的病理影像AI模型。結果顯示，部分AI雖在整體診斷準確率上表現亮眼，但在不同族群之間卻出現顯著差異，約1/3的診斷情境可觀察到族群間準確率不一致，顯示特定族群可能承擔較高的誤判風險。因此，研究團隊提出「FAIR-Path」架構，透過訓練策略設計，引導AI聚焦於真正與疾病相關的病理特徵，同時降低對族群背景線索的依賴。實驗結果顯示，導入FAIR-Path後，模型在不同族群間的診斷一致性平均提升約88%，展現高度實務應用潛力。
【MORE】