Résumé technique : Le chevauchement de classes induit par le contraste comme goulot d'étranglement de l'équité dans l'IA dermatologique

1. Énoncé du problème

L'article traite d'un goulot d'étranglement critique en matière d'équité dans le triage du cancer de la peau assisté par l'IA : la surprédiction systématique de la malignité sur les peaux plus foncées. Alors que les travaux antérieurs attribuent souvent les disparités de performance à la rareté des données (c'est-à-dire un manque d'images d'entraînement sur peaux foncées), cette étude soutient que le problème est mécaniste et structurel.

Le problème central est le chevauchement de classes induit par le contraste. La concentration de mélanine dans les peaux plus foncées réduit le contraste optique entre la lésion et les tissus environnants. Puisque les réseaux de neurones convolutifs (CNN) reposent sur ces caractéristiques dépendantes du contraste, le rapport signal sur bruit (RSB) effectif se dégrade considérablement sur les peaux plus foncées. Cette limitation physique conduit à un mode de défaillance spécifique : lorsque les modèles sont calibrés pour une sensibilité élevée (pour éviter de manquer des cancers), ils surprédisent systématiquement sur les peaux foncées, entraînant des taux de faux positifs disproportionnellement élevés (faible spécificité) et des orientations inutiles, même si la sensibilité reste comparable entre les différentes carnations.

De plus, l'article identifie un biais méthodologique : une classe de lésions bénignes spécifique (lésions vasculaires) est surreprésentée dans les peaux claires au sein du jeu de données HAM10000. Si celles-ci sont mal étiquetées comme positives lors de la classification binaire, cela gonfle artificiellement l'écart apparent de sensibilité/AUC, masquant potentiellement la véritable nature de la disparité.

2. Méthodologie

Jeu de données et prétraitement

• Jeu de données : L'étude utilise le jeu de données HAM10000 (10 015 images dermoscopiques).
• Division : Une division par patient (basée sur lesion_id) a été utilisée pour éviter la fuite de données, résultant en un ensemble d'entraînement ($n=6\,959$), un ensemble de validation ($n=1\,529$) et un ensemble de test verrouillé ($n=1\,527$).
• Définition de la tâche : Une tâche de triage de référence où la classe positive inclut le mélanome, le BCC et l'AKIEC, tandis que la classe négative inclut les lésions bénignes (nævus, kératoses, etc.).
• Correction du biais : Les auteurs ont corrigé une erreur d'étiquetage où les lésions vasculaires (VASC), qui sont bénignes, étaient auparavant sujettes à être regroupées avec les cas positifs. Ils ont noté que 62 % des images VASC de ce jeu de données appartiennent à des peaux claires ; un mauvais étiquetage de ces dernières comme positives aurait artificiellement abaissé la sensibilité apparente des peaux claires.

Estimation de la carnation

• Proxy : Comme HAM10000 manque d'étiquettes de type Fitzpatrick, les auteurs ont estimé la carnation en utilisant l'Angle de Typologie Individuelle (ITA) dérivé de l'espace colorimétrique CIE $L^*a^*b^*$ via une segmentation de l'arrière-plan par la méthode d'Otsu.
• Groupes : Les carnations ont été catégorisées comme Claires (ITA > 41°), Médiums (10° < ITA ≤ 41°) et Foncées (ITA ≤ 10°). Un sous-ensemble à haute confiance (HC) a été utilisé pour l'analyse principale afin de minimiser l'erreur de proxy.

Cadre du rapport signal sur bruit (RSB)

Les auteurs ont formalisé le mécanisme physique en utilisant un cadre de RSB :
$$RSB(ITA) = \frac{|\mu_{lésion} - \mu_{peau}|}{\sigma_{peau}}$$
L'analyse des statistiques de pixels a révélé une réduction du RSB de 5,2× entre les peaux claires et les peaux foncées. Sous un modèle de détection de signal gaussien, cette réduction abaisse théoriquement le plafond de l'AUC de Bayes-optimal de ~0,998 à ~0,709, expliquant pourquoi les modèles peinent même avec des données d'entraînement équilibrées.

Conception expérimentale

L'étude a employé une ablation à cinq variantes utilisant un backbone EfficientNet-B2 avec un ensemble de test verrouillé :

1. Baseline : Augmentation standard, sans conditionnement par l'ITA.
2. Aug-only : Ajout d'augmentations spécifiques aux peaux foncées (Mixup, suréchantillonnage) sans conditionnement par l'ITA.
3. Tone-only : Augmentation standard avec conditionnement par l'ITA (concaténation d'un embedding de ton).
4. Full : Combinaison de Tone-only et Aug-only.
5. Balanced Baseline : Un contrôle utilisant une exposition de classe égalisée (pos_weight=1.0) pour isoler l'effet de l'équilibrage des classes.

La signification statistique a été évaluée via des intervalles de confiance par bootstrap à 95 % et des tests de permutation pré-spécifiés.

3. Résultats clés

Asymétrie de la spécificité et de la sensibilité

Sur le sous-ensemble à haute confiance, l'étude a constaté que si la sensibilité était comparable entre les carnations (Clair : 0,813 vs Foncé : 0,803), la spécificité était significativement plus faible pour les peaux plus foncées (Clair : 0,826 vs Foncé : 0,715).

• Disparité : Un déficit de spécificité de −11,0 points de pourcentage (pp) pour les peaux foncées ($p < 0,0002$).
• Impact clinique : Cela se traduit par environ 89 orientations inutiles supplémentaires pour 1 000 patients à peau foncée par rapport aux patients à peau claire, dû à une surprédiction plutôt qu'à des cancers manqués.

Le biais d'étiquetage

Les auteurs ont démontré qu'une analyse naïve (étiquetant mal les lésions vasculaires comme positives) surestime l'écart d'AUC/sensibilité (apparaissant comme −5,5 pp) mais laisse le déficit de spécificité largement intact (−11,1 pp vs −11,0 pp après correction). Cela confirme que le déficit de spécificité est un signal physique robuste, tandis que l'écart d'AUC peut être partiellement un artefact de la composition de classe corrélée à la carnation.

Résultats de l'ablation

• Conditionnement par le ton : L'ajout du conditionnement par l'ITA a amélioré la sensibilité des peaux foncées (0,871) mais n'a pas réussi à récupérer significativement la spécificité (0,673).
• Équilibrage des classes : La Balanced Baseline (exposition de classe égalisée) a récupéré le plus de spécificité pour les peaux foncées, la faisant passer de 0,668 à 0,799. Cela a réduit l'écart de spécificité à −6,3 pp.
• Conclusion : L'asymétrie possède une structure causale mixte : une composante physique (perte de contraste) et une composante de règle de décision (calibration de la sensibilité) qui peuvent être traitées via l'équilibrage des classes et l'ajustement des seuils, plutôt que par le seul conditionnement de caractéristiques.

Validation externe

Le transfert zero-shot vers l'ensemble de données DDI (photographie clinique) a confirmé le mécanisme. Les images de peau foncée recevaient systématiquement des scores de confiance de modèle plus bas, quel que soit l'étiquette, se manifestant par une suppression des scores sous un changement de distribution sévère.

4. Contributions et importance

L'article revendique trois contributions principales :

1. Perspective mécaniste : Il fournit un cadre de diagnostic basé sur le RSB expliquant pourquoi la perte de contraste induite par la pigmentation crée une "asymétrie spécificité-sensibilité" spécifique, applicable à d'autres domaines de l'imagerie avec des pigmentations tissulaires variables.
2. Robustesse du signal : Il démontre que le déficit de spécificité est un signal clinique réel qui survit à la correction d'un biais d'étiquetage corrélé à la carnation, distinguant les modes de défaillance physiques des artefacts analytiques.
3. Stratégie d'intervention : Il montre que l'équilibrage des classes par carnation est plus efficace que le conditionnement par le ton pour récupérer la spécificité des peaux foncées, suggérant que le problème est en partie adressable par les données (via l'ajustement de la règle de décision) plutôt que par une simple limitation d'apprentissage de caractéristiques.

Importance

Les auteurs soutiennent que les audits d'équité en dermatologie doivent déplacer leur attention de l'AUC agrégée vers la spécificité par sous-groupe. Puisque les écarts de sensibilité et de spécificité peuvent s'annuler dans les métriques d'AUC, le fait de se fier uniquement à l'AUC masque la charge disproportionnée de faux positifs imposée aux populations à peau plus foncée. De plus, l'article souligne la nécessité d'auditer la composition de classe corrélée à la carnation pour s'assurer que les disparités observées ne sont pas des artefacts des biais d'étiquetage des ensembles de données.

L'étude conclut que bien que la perte de contraste physique soit une contrainte dure, la surprédiction qui en résulte peut être atténuée par l'équilibrage des données et le calibrage des seuils, offrant une voie pratique pour réduire la charge de référence sur les populations mal desservies.