🧬 biology

Optic Disc Colour Ratio: A Fundus Pigmentation Proxy for Subgroup Fairness Analysis in Diabetic Retinopathy Screening

Dieses Paper führt das Optic Disc Colour Ratio (ODCR) als einen markierungsfreien Proxy für die Funduspigmentierung ein, um aufzuzeigen, dass Modelle zur Screening-Diagnostik der diabetischen Retinopathie systematisch höhere Überweisungswahrscheinlichkeiten für dunkel pigmentierte Fundi zuweisen, was auf einen reduzierten Gefäß-Hintergrund-Kontrast zurückzuführen ist – eine Disparität, die durch sensitivitätskalibrierte Entscheidungsregeln getrieben wird und für Standard-AUC-Metriken unsichtbar bleibt, jedoch für das Fairness-Audit entscheidend ist.

Ursprüngliche Autoren: Aaron Ajit

Veröffentlicht 2026-06-25

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Aaron Ajit

Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie stellen einen Sicherheitswachmann ein, der kleine, rote Warnzeichen (Läsionen) in einer Menschenmenge entdecken soll. Der Haken dabei ist: Die „Menschenmenge“ besteht nicht einfach nur aus Menschen, sondern aus dem Inneren von Augen, die von einer Kamera fotografiert wurden.

Diese Forschungsarbeit handelt von einem Sicherheitswachmann (einem KI-Computerprogramm), der dazu bestimmt ist, frühe Anzeichen von diabetischer Retinopathie (einer Krankheit, die zu Blindheit führen kann) auf diesen Augenfotos aufzuspüren. Die KI ist bei „Standardfotos“ sehr gut in ihrem Job, aber der Forscher Aaron Ajit entdeckte, dass sich die KI je nach der natürlichen Farbe des Hintergrunds des Auges anders verhält.

Hier ist die Geschichte dessen, was die Arbeit herausgefunden hat, einfach erklärt:

1. Das Problem: Der „Dunkelkammer“-Effekt

Stellen Sie sich das Innere eines Auges wie einen Raum vor.

Helle Augen sind wie ein Raum mit weißen Wänden. Wenn man eine rote Murmel (eine Läsion) auf den Boden fallen lässt, sticht sie deutlich hervor. Die Kamera sieht sie problemlos.
Dunklere Augen haben Wände, die dunkelbraun oder schwarz gestrichen sind (aufgrund des natürlichen Pigments namens Melanin). Wenn man dieselbe rote Murmel auf einen dunklen Boden fallen lässt, vermischt sie sich ein wenig mehr. Es ist schwieriger, sie zu sehen.

Die KI wurde hauptsächlich auf „weißen Wand“-Räumen trainiert. Wenn sie auf „dunklen Wand“-Räume blickte, waren die roten Murmeln schwerer zu entdecken. Aber hier ist die Wendung: Die KI hat sie nicht nur übersehen; sie wurde zu nervös.

2. Die „Fehlalarm“-Gewohnheit

Weil die roten Murmeln in den dunklen Räumen schwerer zu sehen waren, wurde die KI ängstlich. Sie fing an zu denken: „Ich kann nicht klar sehen, also nehme ich lieber an, dass DA eine rote Murmel IST, um auf Nummer sicher zu gehen.“

Das Ergebnis: Die KI markierte Menschen mit dunkleren Augen viel häufiger als „behandlungsbedürftig“, als es bei Menschen mit helleren Augen der Fall war – selbst wenn diese vollkommen gesund waren.
Die Analogie: Stellen Sie sich einen Rauchmelder in einem Haus mit dunklem Rauch (dunklere Augen) im Vergleich zu einem Haus mit klarer Luft (hellere Augen) vor. Der Detektor im dunklen Haus fängt ständig an zu piepen, selbst wenn es kein Feuer gibt, nur weil die Luft bereits etwas trüb ist.

3. Das neue „Lineal“ (ODCR)

Der Forscher brauchte eine Möglichkeit, zu messen, wie „dunkel“ oder „hell“ ein Auge war, ohne nach der Rasse oder Ethnizität des Patienten zu fragen (was nicht immer in medizinischen Daten erfasst wird).

Er erfand ein Werkzeug namens Optic Disc Colour Ratio (ODCR).

So funktioniert es: Er betrachtete den Ring aus Gewebe um die Sehnervenscheide (die „Papille“) im Foto. Er maß die Farben dort, um einen Wert zu erstellen.
Die Metapher: Es ist wie ein Farbmessgerät, das eine bestimmte Stelle eines Gemäldes scannt, um zu sagen, ob die Leinwand dunkel oder hell ist, ohne zu wissen, wer sie gemalt hat oder woher der Maler kommt. Dieser Wert ermöglichte es ihm, die Patienten fair zu gruppieren.

4. Die „unsichtbare“ Lücke

Der Forscher testete die KI auf fünf verschiedene Arten (indem er verschiedene Tricks anwandte, um sie fairer zu machen).

Die Falle: Wenn man nur auf den Gesamtscore der KI schaut (den sogenannten AUC), sieht alles perfekt aus. Die KI scheint für alle gleichermaßen gut zu funktionieren.
Die Realität: Wenn man genauer hinsieht, wie sie arbeitet, erkennt man die Lücke. Die KI „über-prognostiziert“ bei dunkleren Augen. Sie deklariert viel zu viele gesunde Menschen als „krank“.
Die Analogie: Es ist wie ein Test, bei dem jeder eine Bestehensnote erhält, aber die Schüler mit dunkleren Augen bekommen eine „99%“, während die Schüler mit helleren Augen eine „95%“ bekommen, obwohl beide bestanden haben. Der Durchschnitt sieht gut aus, aber die Verteilung ist verzerrt.

5. Warum das „Reparieren“ schwierig war

Der Forscher versuchte, dies zu beheben, indem er:

Der KI mehr Bilder von dunklen Augen zeigte (Oversampling).
Die Bilder dunkler Augen während des Trainings noch dunkler machte (Augmentation).
Der KI sagte, sie solle besonders vorsichtig sein, um keine kranken Menschen zu übersehen (Sensitivitätskalibrierung).

Die Überraschung: Diese Korrekturen machten das „Fehlalarm“-Problem für dunkle Augen sogar noch schlimmer. Die KI wurde noch ängstlicher und markierte noch mehr gesunde Menschen mit dunklen Augen. Der einzige Weg, der leicht half, war die Balance der Daten, aber das behob nicht die Grundursache.

6. Das „Signal-Rausch-Verhältnis“

Die Arbeit erklärt dies mithilfe eines Konzepts namens Signal-to-Noise Ratio (SNR).

Das Signal: Die rote Läsion (die Krankheit).
Das Rauschen: Der dunkle Hintergrund des Auges.
Die Erkenntnis: In dunkleren Augen ist das „Rauschen“ lauter, wodurch das „Signal“ leiser wird. Die Mathematik zeigte, dass der Kontrast in dunklen Augen etwa 1,14-mal schwächer war als in hellen Augen.
Die Konsequenz: Da das Signal schwächer ist, gerät der „Konfidenz-Meter“ der KI durcheinander und drückt den Score nach oben, was zu diesen Fehlalarmen führt.

7. Das Fazit

Die Arbeit kommt zu dem Schluss:

Vertrauen Sie nicht nur auf den Gesamtwert: Eine KI kann auf dem Papier „fair“ wirken, aber in der Praxis dennoch verschiedene Gruppen unterschiedlich behandeln.
Dunkle Augen tragen die Last der „Falsch-Positiven“: Menschen mit dunkleren Augen werden unnötigerweise zu Spezialisten geschickt, weil die KI bei ihren Fotos zu vorsichtig ist.
Man kann den Schwellenwert nicht einfach „kalibrieren“: Nur die Regel zu ändern, „wann ein Patient gemeldet wird“, löst das Problem nicht. Das Problem liegt darin, wie die KI das Bild überhaupt sieht.

Kurz gesagt: Die KI ist wie ein Wachmann, der so sehr Angst hat, in einem dunklen Raum eine Bedrohung zu übersehen, dass er anfängt, unschuldige Menschen zu verhaften, nur um auf Nummer sicher zu gehen. Der Forscher baute ein Werkzeug, um die „Dunkelheit“ des Raumes zu messen, und bewies, dass diese Angst ein echtes, messbares Problem ist, das aktuelle KI-Korrekturen nicht lösen können.

Technisches Resümee: Optischer Diskus-Farbverhältnis (ODCR) für Subgruppen-Fairness beim Screening auf diabetische Retinopathie

Problemstellung

Automatisierte Screening-Systeme für diabetische Retinopathie (DR) erreichen eine Facharzt-Niveau-Genauigkeit auf kuratierten Benchmarks, weisen jedoch wenig verstandene Leistungsdisparitäten zwischen Subgruppen auf. Während frühere Arbeiten diese Disparitäten oft auf Datenimbalancen zurückführen, argumentiert dieses Paper für eine mechanistische Erklärung: Die choroidale Pigmentierung (Melanin-Konzentration) reduziert den optischen Kontrast zwischen Läsionen (Mikroaneurysmen, Hämorrhagien) und dem retinalen Hintergrund.

Diese Reduktion des Signal-zu-Rausch-Verhältnisses (SNR) degradiert physikalisch das für konvolutionale Läsionsdetektoren verfügbare Eingangssignal. Die Autoren hypothetisieren, dass dies zu einem spezifischen Fehlermodus führt: Über-Prädiktion. Dunkler pigmentierte Fundi, die einen geringeren Läsions-Hintergrund-Kontrast aufweisen, werden systematisch häufiger als „referenzbedürftig“ eingestuft, unabhängig von ihrem tatsächlichen Label, was eine unverhältnismäßige Last an falsch-positiven Ergebnissen für unterversorgte Populationen bedeutet. Dies steht im Gegensatz zur dermatologischen KI, wo ähnliche Kontrastprobleme oft als Spezifitätsfehler (verpasste Detektionen) auftreten.

Methodik

1. Der ODCR-Proxy

Um Fairness zu prüfen, ohne auf Ground-Truth-Ethnizitätslabels angewiesen zu sein, führen die Autoren das Optische Diskus-Farbverhältnis (ODCR) ein.

Definition: Eine Metrik, die im peripapillären Annulus (dem Bereich um die Sehnervenkopf herum) im CIE $L^*a^*b^*$ -Farbraum berechnet wird.
Formel: $odcr = \arctan(\frac{\bar{L}^* - 50}{\bar{b}^*}) \times \frac{180}{\pi}$ .
Funktion: Höhere Werte deuten auf eine hellere Pigmentierung hin; niedrigere Werte auf eine dunklere Pigmentierung. Er dient als Analogie zum Individual Typology Angle (ITA), der in der Dermatologie verwendet wird.
Stratifizierung: Patienten werden basierend auf ODCR-Tertilen aus dem Trainingsdatensatz in „Dunkel“, „Medium“ und „Hell“ gruppiert.

2. SNR-Analyse

Die Autoren quantifizieren das Gefäß-Hintergrund-SNR, um den physikalischen Mechanismus zu validieren.

Metrik: $SNR = \frac{|\mu_{lesion} - \mu_{background}|}{\sigma_{background}}$ .
Methode: Kandidaten-Pixel für Mikroaneurysmen werden mittels adaptiver Grünkanal-Schwellenwertbildung (Peak-Hämoglobin-Absorption) identifiziert, während der Hintergrund aus peripapillärem Gewebe mittlerer Luminanz beprobt wird.

3. Experimenteller Aufbau

Datensätze:
- EyePACS: 35.126 Bilder (US-basiert). Es wurden Patientenebene-Splits verwendet (Train: 24.588; Val: 5.268; Test: 5.270), um Data Leakage zu verhindern.
- APTOS 2019: 3.662 Bilder (indische Population), verwendet für die Zero-Shot-Transfer-Validierung.
Modellarchitektur: EfficientNet-B2-Backbone mit einem Konditionierungszweig (Linear3 $\rightarrow$ 16 $\rightarrow$ 32), der Ton-Embeddings konkateniert.
Ablationsstudie: Fünf Varianten wurden auf dem gesperrten EyePACS-Testset getestet:
1. Baseline: Standardtraining ( $pos\_weight=2.0$ ).
2. Aug-only: Augmentation für dunkle Fundi + 3-faches Oversampling.
3. Tone-only: ODCR-Konditionierung.
4. Full: Kombination aller Interventionen.
5. Balanced-baseline: Egalisiertes Sampling und $pos\_weight=1.0$ (Kontrolle).
Evaluierung: Zu den Metriken gehörten AUC, Sensitivität und Spezifität, stratifiziert nach ODCR-Gruppen. Die statistische Signifikanz wurde mittels Permutationstests und Bootstrap-Konfidenzintervallen bewertet.

Kernergebnisse

1. SNR-Reduktion in dunklen Fundi

Die Studie bestätigt eine signifikante gruppenbezogene Reduktion des Läsions-Hintergrund-Kontrasts bei dunkleren Fundi.

Größenordnung: Das Licht-zu-Dunkel-SNR-Verhältnis beträgt 1,14×.
Signifikanz: Diese Reduktion ist statistisch signifikant ( $p = 3 \times 10^{-10}$ via Kruskal–Wallis; $p = 0,0005$ via Mann–Whitney).
Vergleich: Dieser Effekt ist abgeschwächt im Vergleich zur Dermatologie (wo das Verhältnis 5,2× betrug), wahrscheinlich weil die Aderhaut hinter dem retinalen Pigmentepithel liegt und eine aktive Fundus-Beleuchtung die Absorption teilweise kompensiert.

2. Die „Score-Elevation-Signatur“

Über alle fünf Modellvarianten hinweg erhielten dunkel pigmentierte Fundi systematisch höhere vorhergesagte Wahrscheinlichkeiten als hell pigmentierte Fundi, unabhängig vom wahren Label.

Evidenz: In der Baseline-Variante hatten dunkle True-Negatives einen Mittelwert-Score von 0,128 gegenüber 0,105 für helle True-Negatives ( $\Delta = +0,023$ ).
Implikation: Dies deutet auf eine globale Modellunsicherheit unter geringem Kontrast hin, die zu einer Verschiebung in Richtung der positiven Klasse führt.

3. Sensitivitäts-Asymmetrie (Über-Prädiktion)

Unter sensitivitäts-kalibriertem Training (speziell der Full-Variante) manifestiert sich die Score-Erhöhung als signifikante Sensitivitätslücke statt als Spezifitätslücke.

Full-Variante Lücke: Dunkle Sensitivität (0,642) vs. helle Sensitivität (0,535), $\Delta = +0,107$ ( $p = 0,015$ ).
Spezifitätslücke: Die Spezifitätslücke war klein und nicht signifikant ( $\Delta \approx -0,009$ ).
Klinische Auswirkung: Dies führt zu etwa 4 zusätzlichen Überweisungen pro 1.000 dunkel pigmentierte Patienten im Vergleich zu hell pigmentierten Patienten.
AUC-Unzulänglichkeit: Die AUC-Lücken zwischen den Gruppen waren vernachlässigbar ( $\le 0,008$ ) und nicht signifikant, was bestätigt, dass die AUC allein für das Fairness-Auditing in diesem Kontext unzureichend ist.

4. Externe Validierung

Der Zero-Shot-Transfer auf den APTOS 2019-Datensatz (indische Population) replizierte die Signatur. Die Score-Erhöhung war sogar noch ausgeprägter ( $\Delta = +0,101$ für True-Negatives), was konsistent mit der dunkleren Populationsverteilung ist.

5. Kausale Struktur

Schwellenwert-Kalibrierung: Die Anpassung der Entscheidungsschwellen ( $t = 0,30–0,65$ ) schloss die Lücke nicht, was darauf hindeutet, dass die Disparität in den vorhergesagten Wahrscheinlichkeitsverteilungen eingebettet ist, nicht nur in der Entscheidungsgrenze.
Balancierung: Die Klassenbalancierung reduzierte die Lücke im Vergleich zur „Full“-Variante, konnte sie aber nicht unter das Niveau der „Baseline“ senken. Dies deutet auf eine gemischte kausale Struktur hin: Die Disparität wird wesentlich durch die sensitivitäts-kalibrierte Entscheidungsregel (Oversampling und hoher $pos\_weight$ ) in Interaktion mit dem physikalischen SNR-Defizit getrieben.

Bedeutung und Ansprüche

Das Paper beansprucht, ein mechanistisches Verständnis von Fairness-Disparitäten im DR-Screening zu liefern, das über reine Datenimbalance hinausgeht und die physikalischen optischen Eigenschaften einbezieht.

ODCR als Proxy: Es etabliert ODCR als computergestützten, label-freien Proxy für die Fundus-Pigmentierung, der eine Subgruppenanalyse ohne Ethnizitätslabels ermöglicht.
SNR als Prädiktor für den Disparitätstyp: Das Paper schlägt vor, dass die Größe des SNR-Verhältnisses die Achse der Disparität vorhersagen kann.
- Hohe SNR-Reduktion (Dermatologie, 5,2×) $\rightarrow$ Spezifitätsfehler (Unter-Detektion).
- Abgeschwächte SNR-Reduktion (Fundus, 1,14×) $\rightarrow$ Sensitivitätsfehler (Über-Prädiktion).
Unzulänglichkeit der AUC: Es demonstriert, dass Standardmetriken wie die AUC signifikante Subgruppen-Disparitäten im DR-Screening maskieren können, was eine stratifizierte Berichterstattung von Sensitivität/Spezifität notwendig macht.
Klinische Empfehlung: Die Autoren argumenten, dass das Fairness-Auditing auf die Über-Prädiktion (zusätzliche falsch-positive Ergebnisse) in dunkel pigmentierten Populationen fokussieren muss und dass eine Post-hoc-Schwellenwert-Kalibrierung nicht ausreicht, um diese Disparitäten zu lösen.

Die Studie kommt zu dem Schluss, dass die choroidale Pigmentierung ein messbarer, statistisch signifikanter Gruppen-Konfounder ist, der die Über-Prädiktion beim DR-Screening antreibt – ein Phänomen, das in der AUC unsichtbar, aber durch eine ODCR-stratifizierte Analyse detektierbar ist.