Worst-Group Equalized Odds Regularization for Multi-Attribute Fair Medical Image Classification

Résumé Technique : Régularisation des Odds Égalisés du Groupe Pire pour la Classification d'Images Médicales Multi-Attributs

1. Énoncé du Problème

L'article aborde la question critique des disparités systématiques de performance dans l'IA médicale à travers les groupes démographiques (par exemple, l'âge, le sexe, la race). Bien que les métriques agrégées comme la Surface sous la Courbe (AUC) apparaissent souvent similaires entre les groupes, elles peuvent masquer des iniquités cliniquement significatives à des points de fonctionnement fixes lors de l'inférence. Plus précisément, certains sous-groupes peuvent présenter un comportement de sur-diagnostic (taux de vrais positifs [TPR] et taux de faux positifs [FPR] élevés), tandis que d'autres montrent un comportement de sous-diagnostic (TPR et FPR réduits). Ces tendances opposées peuvent s'annuler dans les AUC agrégées, obscurcissant des disparités significatives dans la prise de décision clinique.

Les stratégies d'atténuation existantes font face à plusieurs limitations :

• Désalignement des objectifs : Des méthodes comme GDRO, JTT ou FairBatch réévaluent souvent les échantillons ou modifient la perte logarithmique pour réduire le risque prédictif moyen, ce qui peut échouer à capturer les disparités localisées des sous-groupes à des points de fonctionnement spécifiques.
• Focus sur un seul attribut : La plupart des travaux antérieurs traitent de l'équité pour un seul attribut démographique, laissant les disparités intersectionnelles non résolues ou exacerbées.
• Défis intersectionnels : Les approches gérant plusieurs attributs nécessitent souvent des définitions de sous-groupes grossiers pour maintenir la puissance statistique ou luttent contre l'instabilité dans le débiaisage au niveau de la représentation (par exemple, la suppression de l'information mutuelle) pour les petits sous-groupes.
• Limites du cadre : De nombreuses méthodes sont évaluées dans des cadres de classification binaire simplifiés, limitant leur applicabilité aux scénarios multi-étiquettes courants en imagerie clinique.

2. Méthodologie

Les auteurs proposent un Régularisateur de Marge des Odds Égalisés (EO) du Groupe Pire conçu pour des contextes de diagnostic multi-étiquettes réalistes. La méthode cible les disparités au niveau du point de fonctionnement en utilisant des marges de logits sans seuil.

Formulation Principale :

• Configuration du Problème : L'ensemble de données est composé d'entrées $x_i$, d'étiquettes $y_i$ et d'attributs démographiques $a_i$ (par exemple, âge, sexe, race). Les sous-groupes $g$ sont définis par des paires attribut-valeur.
• Identification du Groupe Pire : Dans chaque mini-lot, la méthode identifie dynamiquement les sous-groupes les moins performants sans maintenir de contraintes séparées par attribut :
  • Pour les positifs ($y=1$), elle identifie le sous-groupe $g_{min}^{[+]}$ avec la probabilité prédite moyenne la plus faible (indiquant un risque de sous-diagnostic).
  • Pour les négatifs ($y=0$), elle identifie le sous-groupe $g_{max}^{[-]}$ avec la probabilité prédite moyenne la plus élevée (indiquant un risque de sur-diagnostic).
• Définition de la Marge de Logits : L'objectif est d'imposer une séparation entre les échantillons positifs du pire cas du groupe sous-diagnostiqué et tous les échantillons négatifs, et inversement pour le groupe sur-diagnostiqué.
  • Idéalement : $\min_{m: y_m=1, g_m=g_{min}^{[+]}} \ell_m > \max_{n: y_n=0} \ell_n$ et $\max_{m: y_m=0, g_m=g_{max}^{[-]}} \ell_m < \min_{n: y_n=1} \ell_n$.
• Relaxation Différentiable : Puisque les opérateurs min/max stricts sont non différentiables, les auteurs les remplacent par des opérateurs Log-Sum-Exp (LSE). Cela lisse les extrêmes, permettant aux échantillons proches du pire cas de contribuer à la pénalité, ce qui aide à atténuer les violations intersectionnelles.
  • $margin_{EO+} = \text{LSE}_{max}(\{\ell_i : y_i=0\}) - \text{LSE}_{min}(\{\ell_i : y_i=1, g_i=g_{min}^{[+]}\})$
  • $margin_{EO-} = \text{LSE}_{max}(\{\ell_i : y_i=0, g_i=g_{max}^{[-]}\}) - \text{LSE}_{min}(\{\ell_i : y_i=1\})$
• Fonction de Perte : Une perte de charnière (hinge loss) est appliquée pour pénaliser uniquement les marges positives (violations) :
  • $L_{EO+} = \max(0, margin_{EO+})$
  • $L_{EO-} = \max(0, margin_{EO-})$
  • L'objectif final est $L = L_{base} + \lambda_{EO+}L_{EO+} + \lambda_{EO-}L_{EO-}$, où $L_{base}$ est l'entropie croisée binaire standard (ou moyennée sur les classes pour le multi-étiquettes).

Mécanisme Clé : Le régularisateur agit comme une optimisation d'AUC localisée, renforçant le classement des positifs faibles du sous-groupe le moins performant par rapport à tous les négatifs, et inversement pour les négatifs, sans nécessiter d'ajustements de seuil a posteriori.

3. Contributions Clés

1. Régularisateur Multi-Attributs Unifié : Une méthode qui identifie le sous-groupe « pire » dynamiquement à travers tous les axes démographiques (âge, sexe, race) simultanément, évitant le besoin de contraintes intersectionnelles explicites ou de définitions de sous-groupes grossiers.
2. Pénalité Bidirectionnelle : Contrairement à la perte logarithmique standard qui améliore principalement l'AUC via le réclassement, ce régularisateur bidirectionnel pénalise explicitement à la fois le sur-diagnostic (côté FPR) et le sous-diagnostic (côté TPR) au point de fonctionnement.
3. Optimisation Différentiable du Groupe Pire : L'utilisation de marges basées sur le LSE permet un entraînement stable par gradient pour l'équité du groupe pire, distribuant le flux de gradient sur les échantillons plutôt que de se concentrer sur des valeurs aberrantes uniques.
4. Applicabilité Multi-étiquettes : L'approche est validée dans des contextes de diagnostic multi-étiquettes réalistes, comblant une lacune dans la littérature existante qui se concentre souvent sur la classification binaire.

4. Résultats Expérimentaux

La méthode a été évaluée sur deux ensembles de données d'imagerie médicale :

• RNFL-OCT : Un ensemble de données ophtalmologique (3 300 images) pour la classification du glaucome.
• MIMIC-CXR : Un grand ensemble de données de radiographies thoraciques (82 282 images) avec une tâche multi-étiquettes pour l'épanchement pleural, la cardiomégalie et l'atélectasie.

Performance :

• Métriques d'Équité : La méthode proposée a constamment atteint le EOdds le plus bas (rapport du groupe pire au meilleur pour la disparité TPR/FPR) et le EOM (Égalité des Opportunités à travers plusieurs sous-classes) le plus élevé sur les deux ensembles de données et pour tous les attributs démographiques (Âge, Race, Sexe).
  • Sur RNFL-OCT, elle a réduit le EOdds conjoint à 0,226 (contre 0,354 pour la référence) et augmenté le EOM conjoint à 0,926.
  • Sur MIMIC-CXR, elle a réduit le EOdds conjoint à 0,127 (contre 0,254 pour la référence) et augmenté le EOM conjoint à 0,916.
• Compromis Précision : La méthode a obtenu ces améliorations d'équité avec un impact minimal sur l'AUC global.
  • RNFL-OCT : $\Delta AUC = -0,006$.
  • MIMIC-CXR : $\Delta AUC = -0,007$.
• Comparaison : Comparée à des références comme FairBatch, GDRO, JTT, l'entraînement adversarial et FaMI, la méthode proposée offre un compromis équité-précision supérieur. D'autres méthodes ont soit produit des améliorations de parité plus faibles, soit entraîné des pertes de précision significativement plus importantes (par exemple, FaMI a montré un $\Delta AUC \approx -0,06$).

Ablation : Les expériences ont confirmé que les deux composantes de régularisation positive ($L_{EO+}$) et négative ($L_{EO-}$) sont complémentaires ; activer les deux produit les gains d'équité les plus forts.

5. Signification et Revendications

L'article revendique que son approche fournit un mécanisme unifié pour traiter l'équité à travers plusieurs axes démographiques sans la surcharge computationnelle ou statistique de la gestion de contraintes séparées pour chaque attribut ou groupe intersectionnel. En ciblant les écarts de scores localisés responsables des comportements de sur- et sous-diagnostic, la méthode atténue les disparités des sous-groupes dans le pire des cas tout en préservant les performances de diagnostic.

Les auteurs soulignent que si l'AUC peut masquer des disparités cliniquement pertinentes au point de fonctionnement, leur régularisateur optimise efficacement le classement dans les régions de scores spécifiques qui entraînent les disparités TPR et FPR. Cela se traduit par un compromis équité-précision plus favorable par rapport aux méthodes existantes, le rendant particulièrement adapté aux scénarios d'imagerie clinique où les prédictions multi-étiquettes et la parité démographique stricte sont critiques.