Résumé technique : Atténuation robuste des effets de confusion dépendants de l'âge par décorrélation de la difficulté des échantillons

1. Énoncé du problème

En classification d'images médicales, les réseaux de neurones profonds s'appuient souvent sur des « raccourcis » — des indices facilement disponibles comme l'âge du patient — plutôt que d'apprendre de véritables marqueurs pathologiques. L'âge agit comme un facteur de confusion car il est corrélé à la fois à la morphologie de l'imagerie (l'apparence de l'entrée) et à la prévalence de la maladie (la distribution des étiquettes). Cela entraîne des disparités systématiques de performance dépendantes de l'âge :

• Surdiagnostic : Taux de faux positifs (FPR) plus élevés dans les groupes d'âge ayant une prévalence de maladie plus élevée.
• Sous-diagnostic : Taux de vrais positifs (TPR) plus faibles dans les groupes d'âge ayant une prévalence de maladie plus faible.

Ces disparités sont exacerbées par des décalages de distribution entre l'entraînement et le test liés à l'âge. Les stratégies d'atténuation conventionnelles imposent souvent une invariance stricte à l'âge (par exemple, en retirant l'âge de l'espace des caractéristiques ou en le discrétisant). Cependant, les auteurs soutiennent qu'une invariance stricte est indésirable car l'âge encode également une variation cliniquement significative. L'objectif est de supprimer les raccourcis artificiels liés à l'âge sans éliminer les informations diagnostiquement pertinentes concernant l'âge.

2. Méthodologie

Le cadre proposé intervient dans la dynamique d'entraînement en ciblant les tendances artificielles âge–difficulté plutôt qu'en imposant une indépendance statistique totale. La méthode se déroule en plusieurs étapes :

2.1 Observation empirique et phase de préchauffage

Après une phase de préchauffage d'un epoch, les auteurs analysent la relation entre la difficulté de l'échantillon (quantifiée par la magnitude du gradient $g_i$, équivalente à l'erreur de prédiction absolue $|p_i - y_i|$) et l'âge du patient.

• Observation : Une forte dépendance linéaire existe entre l'âge et la difficulté, conditionnée par l'étiquette ($y$).
  • Pour les cas positifs ($y=1$), les échantillons de patients plus âgés sont « plus faciles » (plus faible $g_i$) que ceux de patients plus jeunes.
  • Pour les cas négatifs ($y=0$), les échantillons de patients plus âgés sont « plus difficiles » (plus élevé $g_i$).
• Implication : Le modèle s'appuie excessivement sur l'âge comme raccourci prédictif, conduisant aux disparités observées de TPR/FPR.

2.2 Pénalité de pente pondérée (Décorrélation)

Au lieu d'imposer une invariance, la méthode pénalise la pente de la relation linéaire entre l'âge normalisé ($z_i$) et la difficulté de l'échantillon ($g_i$).

• Modèle : $g_i \approx \alpha_{y_i} + \beta_{y_i} z_i$, où $\beta_{y_i}$ représente la pente âge–difficulté pour chaque classe.
• Objectif : Minimiser l'estimation au carré de la pente $\hat{\beta}_y^2$ au sein de chaque mini-lot. Cela aplatit la pente liée à l'âge dominante sans éliminer les informations non linéaires liées à l'âge.
• Robustesse via les poids de Huber : La pénalisation directe est instable en raison du bruit d'annotation et de la variabilité clinique. Les auteurs utilisent les Moindres Carrés Ordinaires Pondérés (WOLS) pour estimer les pentes.
  • Affinité de tendance : Les poids ($w_i$) sont dérivés d'un ajustement de régression de Huber effectué une seule fois après la phase de préchauffage.
  • Les échantillons alignés avec la tendance dominante reçoivent un poids complet ; les valeurs aberrantes (échantillons s'écartant significativement de la tendance) sont pondérées à la baisse. Cela empêche la pénalité de décorrélation de déstabiliser l'optimisation ou de pénaliser des échantillons hautement informatifs.

2.3 Modulation de la couverture d'âge

Pour assurer la stabilité dans des conditions de diversité d'âge limitée au sein des mini-lots, un Score de couverture d'âge ($C$) est introduit.

• Définition : $C$ est la variance normalisée des valeurs d'âge normalisées dans un mini-lot.
• Mécanisme : La pénalité de décorrélation est mise à l'échelle par $C$. Si un mini-lot manque de diversité d'âge (faible variance), la pénalité est atténuée.
• Avantage : Cela garantit que le modèle ne réduit la pente âge–difficulté que lorsqu'il existe des preuves suffisantes d'une tendance dans le lot, améliorant ainsi la robustesse face aux déséquilibres d'âge et aux décalages d'entraînement-test.

2.4 Fonction de perte totale

L'objectif final combine la perte d'entropie croisée binaire standard ($L_{BCE}$) avec la pénalité de pente sensible à la couverture :
$$L_{total} = L_{BCE} + \lambda \sum_{y \in \{0,1\}} C_y L_{slope,y}$$
où $L_{slope,y} = \hat{\beta}_y^2$.

3. Configuration expérimentale

• Ensembles de données : Deux benchmarks de radiologie présentant une forte injustice liée à l'âge :
  1. CheXpert Pleural Effusion (CXP PE).
  2. MIMIC Cardiomegaly (MIMIC Car).
• Décalage de distribution : Les expériences utilisent un schéma d'échantillonnage exponentiel basé sur l'âge pour créer des décalages d'entraînement-test. L'ensemble d'entraînement est biaisé vers les populations plus jeunes, tandis que l'ensemble de test se déplace vers des cohortes plus âgées (contrôlé par le paramètre d'intensité $\gamma \in \{0, 4, 8\}$).
• Lignes de base : Comparaison avec la minimisation du risque empirique (ERM), le lot rééchantillonné, l'entraînement adversarial (Adv), Just-Train-Twice (JTT) et GroupDRO.
• Métriques :
  • Équité : $\Delta Sep_{10}$, mesurant le changement relatif du TPR/FPR par décennie d'âge (plus bas est mieux).
  • Précision : AUC (Surface sous la courbe).

4. Résultats clés

• Amélioration de l'équité : La méthode proposée a obtenu le $\Delta Sep_{10}$ le plus faible sur toutes les intensités de décalage ($\gamma$) pour les deux ensembles de données.
  • Sur MIMIC (Car), elle a réduit le $\Delta Sep_{10}$ moyen d'environ 35 % par rapport à l'ERM (20,82 % contre 32,26 %).
  • Sur CXP (PE), elle a réduit le $\Delta Sep_{10}$ moyen d'environ 56 % par rapport à l'ERM (7,82 % contre 17,90 %).
• Robustesse au décalage : Contrairement à l'entraînement adversarial, qui s'est dégradé de manière significative sous une forte intensité de décalage (passant de 21,73 % à 32,22 % sur MIMIC), la méthode proposée est restée stable (de 17,69 % à 23,48 %).
• Compromis précision : La méthode a atteint le compromis équité-précision le plus favorable. Elle a maintenu le $\Delta Sep_{10}$ le plus faible avec une dégradation minimale de l'AUC (par exemple, -0,15 % sur CXP par rapport à l'ERM), tandis que d'autres lignes de base ont subi des pertes de performance importantes (par exemple, JTT a chuté d'environ 3,6 % sur CXP).
• Étude d'ablation : Le retrait soit de l'« Affinité de tendance » (poids de Huber), soit du « Score de couverture » a entraîné une dégradation de l'équité et une légère réduction de l'AUC, confirmant la nécessité des deux composantes.

5. Signification et revendications

L'article revendique que son cadre offre une stratégie d'atténuation robuste pour la confusion dépendante de l'âge en imagerie médicale. Sa signification principale réside dans :

1. Atténuation sélective : Il supprime avec succès les raccourcis linéaires artificiels âge–difficulté sans imposer une invariance stricte à l'âge, préservant ainsi les informations non linéaires liées à l'âge cliniquement significatives.
2. Stabilité sous décalage : En utilisant une stratégie « une pente » et une modulation sensible à la couverture, la méthode reste efficace même lorsque la population de test a une distribution d'âge et une prévalence de maladie significativement différentes de la population d'entraînement.
3. Efficacité pratique : Elle réduit les disparités TPR/FPR dépendantes de l'âge (sur- et sous-diagnostic) avec un impact minimal sur la précision diagnostique globale (AUC), répondant ainsi à une source critique de biais systématique dans l'IA médicale.