A Generative AI Approach for Reducing Skin Tone Bias in Skin Cancer Classification

Titolo

Un approccio basato sull'Intelligenza Artificiale Generativa per ridurre il pregiudizio legato al tono della pelle nella classificazione del cancro della pelle.

1. Il Problema: Bias nei Dati e Disparità Sanitarie

Il cancro della pelle è una delle patologie più diffuse a livello globale, e la diagnosi precoce è fondamentale per l'efficacia del trattamento. Tuttavia, gli attuali strumenti diagnostici basati sull'AI soffrono di un grave bias demografico:

• Squilibrio dei Dataset: Il dataset di riferimento ISIC (International Skin Imaging Collaboration), ampiamente utilizzato per l'addestramento dei modelli, è composto per oltre il 70% da immagini di pelle chiara, mentre le immagini di pelle scura (tipi Fitzpatrick V e VI) rappresentano meno dell'8%.
• Conseguenze Cliniche: I modelli addestrati su dati sbilanciati tendono a sottoperformare significativamente sui pazienti con pelle scura, portando a diagnosi mancate o ritardate e perpetuando le disuguaglianze sanitarie.
• Limitazioni nella Raccolta Dati: La raccolta di nuove immagini cliniche reali di lesioni su pelle scura è ostacolata da normative sulla privacy, barriere istituzionali e difficoltà nel reperire dati annotati da gruppi sottorappresentati.

2. Metodologia: Pipeline di Aumento Sintetico

Gli autori propongono una pipeline end-to-end che utilizza modelli generativi per bilanciare il dataset, focalizzandosi specificamente sui tipi di pelle sottorappresentati (Fitzpatrick V e VI).

A. Analisi e Selezione del Dataset

• Dataset di partenza: ISIC (17.728 immagini).
• Classificazione della pelle: È stato calcolato l'Indice di Tipologia Individuale (ITA) per ogni immagine per mappare i toni della pelle sulla scala Fitzpatrick.
• Subset target: È stato isolato il sottogruppo di pelle scura, composto da 1.407 immagini (solo il 7,94% del totale), contenente 223 casi di melanoma e 1.184 casi non melanociti.

B. Generazione di Immagini Sintetiche

• Modello: È stato utilizzato un modello Stable Diffusion pre-addestrato.
• Adattamento (Fine-tuning): Per adattare il modello al dominio dermatologico con un numero limitato di dati, è stata applicata la tecnica LoRA (Low-Rank Adaptation). Questo permette di addestrare solo piccoli adattatori a basso rango sulle layer di attenzione, mantenendo i pesi del modello base congelati.
• Generazione Condizionata: Il modello è stato addestrato sul subset di pelle scura e utilizzato per generare 808 immagini sintetiche dermoscopiche, condizionate dal tipo di lesione (melanocitica vs non melanocitica) e dal tono della pelle.
• Validazione Quantitativa: Le immagini generate sono state validate confrontando le distribuzioni degli istogrammi dei colori (RGB) e la similarità strutturale (SSIM, GLCM) con le immagini reali, rimuovendo gli outlier.

C. Integrazione e Valutazione a Monte (Downstream)

Il dataset originale è stato fuso con le immagini sintetiche, creando un nuovo dataset di 18.536 immagini. La validazione è stata effettuata su due compiti distinti:

1. Segmentazione della Lesione:
   • Obiettivo: Verificare se le immagini sintetiche contengono informazioni strutturali reali trasferibili.
   • Setup: Un modello CNN è stato addestrato sul dataset aumentato e valutato esclusivamente su immagini reali tenute da parte (nessuna immagine sintetica nel set di test).
   • Metriche: IoU (Intersection over Union), Coefficiente Dice, Precisione, Recall, Distanza di Hausdorff.
2. Classificazione Binaria:
   • Obiettivo: Valutare l'accuratezza diagnostica (Melanoma vs Non-Melanoma).
   • Modello: EfficientNet-B0 addestrato con transfer learning.
   • Setup: Confronto tra un modello addestrato sul dataset originale e uno sul dataset aumentato.

3. Risultati Chiave

Performance di Segmentazione (Validazione della Qualità)

La valutazione sulla segmentazione, condotta su dati reali, dimostra che le immagini sintetiche hanno migliorato la capacità del modello di apprendere i confini delle lesioni:

• IoU: Migliorato da 0,82 (baseline) a 0,85 (dataset aumentato).
• Coefficiente Dice: Migliorato da 0,88 a 0,90.
• Distanza di Hausdorff: Ridotta da 12 a 10 pixel, indicando una maggiore precisione nei bordi.
• Nota: Entrambi i modelli CNN hanno superato significativamente l'algoritmo tradizionale Max-Flow.

Performance di Classificazione

L'addestramento su EfficientNet-B0 sul dataset aumentato ha mostrato miglioramenti significativi nelle metriche di accuratezza:

• Accuratezza: Aumentata dal 85,45% al 92,14%.
• Precisione: Da 0,82 a 0,89.
• Recall: Da 0,78 a 0,87.
• F-Score: Da 0,80 a 0,88.
• Osservazione sull'AUC: L'AUC di validazione è leggermente diminuito (da 0,9765 a 0,9480). Gli autori spiegano che ciò potrebbe essere dovuto alla maggiore complessità distributiva introdotta dai dati sintetici, che rende più difficile il ranking probabilistico, anche se la classificazione basata sulla soglia è migliorata.

Efficienza Computazionale

• La generazione di immagini sintetiche richiede circa 4-6 secondi per immagine (adatto all'arricchimento offline dei dataset).
• L'inferenza per la classificazione è rapida (60 ms/immagine), rendendo il sistema adatto allo screening diagnostico.

4. Contributi Principali

1. Pipeline Innovativa: Sviluppo di un flusso di lavoro per l'aumento sintetico mirato dei toni della pelle sottorappresentati utilizzando LoRA e Stable Diffusion.
2. Dimostrazione di Equità: Aumento significativo della rappresentanza dei tipi Fitzpatrick V-VI nel dataset ISIC, passando da un numero critico a una base più solida per l'addestramento.
3. Validazione Rigorosa: Fornitura di prove complementari attraverso due task: la segmentazione (che valida la qualità strutturale delle immagini sintetiche su dati reali) e la classificazione (che valida l'efficacia diagnostica).
4. Framework Riproducibile: Condivisione di una metodologia che può essere estesa ad altri domini medici affetti da bias demografici.

5. Significato e Prospettive Future

Questo lavoro dimostra che l'uso di dati sintetici generati dall'AI può mitigare efficacemente i bias demografici nei sistemi diagnostici dermatologici, migliorando sia l'accuratezza che l'equità.

• Limitazioni attuali: La validazione clinica da parte di dermatologi sulle immagini sintetiche non è ancora stata effettuata (necessaria per la plausibilità clinica). Inoltre, il set sintetico attuale è ancora piccolo rispetto al totale e non risolve completamente lo squilibrio tra classi di lesioni (melanoma vs non-melanoma).
• Direzioni Future:
  • Valutazione della generalizzazione su set di test esclusivamente reali.
  • Analisi stratificata per sottogruppi per quantificare l'impatto specifico sulla riduzione del bias.
  • Validazione clinica da parte di esperti.
  • Scalabilità della generazione per bilanciare anche le classi di patologie, non solo i toni della pelle.

In conclusione, l'integrazione dell'AI generativa nei flussi di lavoro di sviluppo dell'AI medica rappresenta un passo cruciale verso sistemi diagnostici più inclusivi, affidabili ed equi per tutte le popolazioni.