成大哈佛攜手 揪AI診斷偏差

記者林怡孜∕台南報導

人工智慧近年快速導入醫療領域，特別是在癌症病理影像判讀中，已成為醫師重要的輔助工具。然而，看似客觀理性的AI系統，是否真的能對所有病人一視同仁？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。這類診斷偏差不僅來自訓練資料中族群比例不均，亦與AI在學習過程中出現的「捷徑式依賴」有關。

成大資訊工程系特聘教授蔣榮先說明，AI有時會誤將與族群高度相關、但非疾病本質的影像特徵，當作判斷疾病的重要線索，導致模型在不自覺中放大偏見，因而影響診斷公平性。

為回應這項挑戰，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。團隊以「可信任人工智慧」為核心理念，期望打造兼顧準確性與公平性的醫療AI系統。

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%，且未犧牲整體診斷效能，展現高度實務應用潛力。相關研究亦獲哈佛醫學院專文報導。

成大研究團隊表示，這項成果不僅為醫療AI的臨床應用提出重要警示，也提供具體可行的技術解方，為未來發展更公平、更值得信賴的智慧醫療系統奠定關鍵基礎。