纽约州布法罗 - 2024年11月18日 - 一篇新的社论于2024年11月12日在《肿瘤靶标》第15卷上发表，题为“减轻放射学偏见：拓扑数据分析和单纯复形的前景”。在这篇文章中，来自明尼苏达州罗切斯特梅奥诊所放射学系的研究人员Yashbir Singh、Colleen Farrelly、Quincy A. Hathaway和Gunnar Carlsson探讨了一种称为拓扑数据分析（TDA）的数学技术如何增强用于医疗诊断的人工智能系统的可靠性和减少偏见。通过解决当前AI工具在公平性和准确性方面的问题，TDA有可能彻底改变放射学领域。
放射学越来越依赖于AI来分析医学图像，如X光片和磁共振成像（MRI）。虽然这些工具提供了速度和效率，但有时会因数据或算法的限制而产生有偏见或不一致的结果。研究人员建议，TDA可以通过捕捉传统方法可能忽略的关键细节，如细微的组织模式或血管分支结构，来应对这些挑战。
TDA分析数据的“形状”和结构，揭示了超出单个像素的模式和关系。这一创新方法提供了三个关键优势：1）捕捉复杂的特征，如环状血管；2）通过检查像素组之间的相互作用，提供更全面的分析，形成整体视图；3）增强透明度，使临床医生更好地理解AI如何得出结论并识别潜在的错误或偏见。
放射学中使用的AI工具通常是在有限或不平衡的数据上训练的，这意味着它们可能无法很好地适用于某些人群。这可能导致不公平或不准确的诊断。TDA通过创建更全面和多样化的数据模型来解决这一问题。它还可以处理图像中的噪声和不一致性，如不同设备或患者体位引起的差异。
“这一数学框架有潜力显著提高放射学评估的准确性和公平性，为更公平的患者护理铺平道路。”研究总结道，这一新方法有潜力彻底改变AI在放射学中的应用，改善所有人的诊断。尽管仍处于早期发展阶段，研究人员对TDA改变医学影像的能力持乐观态度。
“作为研究人员和临床医生，我们必须继续探索和发展这些创新方法，以确保未来的人工智能辅助放射学既高度准确又对所有患者公平。”
(全文结束)
