Exploring the Impact of Skin Color on Skin Lesion Segmentation

Probleemstelling

Huidkanker, en met name melanoom, blijft een belangrijke oorzaak van morbiditeit en mortaliteit. Vroege detectie is cruciaal en wordt vaak ondersteund door AI-gedreven dermatologische systemen. Een veelgebruikte voorverwerkingsstap in deze systemen is segmentatie van huidlaesies, waarbij de laesie wordt afgebakend van de omliggende huid om de analyse te focussen op het laesiegebied.

Hoewel er veel onderzoek is gedaan naar de eerlijkheid (fairness) van huidskleur in de classificatie van laesies, blijft de invloed van huidskleur op de segmentatiestap onderbelicht en onvoldoende gekwantificeerd. Bestaande studies gebruiken vaak grove, discrete categorieën voor huidskleur (zoals de Fitzpatrick-schaal), wat de nuance en variatie binnen een afbeelding verbergt. Het is onduidelijk of segmentatie-algoritmen voor specifieke huidtinten (bijv. zeer donker of zeer licht) minder goed presteren, wat kan leiden tot bias in de vroege fasen van het diagnoseproces.

Methodologie

De auteurs evalueren drie sterke segmentatie-architecturen op twee publieke dermoscopische datasets (HAM10000 en ISIC2017):

1. UNet (CNN-gebaseerd, standaard in dermatologie).
2. DeepLabV3 met een ResNet-50 backbone (sterke CNN-variant).
3. DINOv2 (Vision Transformer, gebaseerd op zelf-supervisie).

Kerninnovatie: Distributiegebaseerde Huidskleurmeting
In plaats van huidskleur in discrete groepen in te delen, gebruiken de auteurs een continue, distributiegebaseerde aanpak:

• ITA (Individual Typology Angle): De huidskleur wordt berekend per pixel in de CIELab-kleurruimte.
• Wasserstein Distance (WD): Om de verschillen in pigmentatie te kwantificeren, vergelijken ze de verdeling van ITA-waarden tussen verschillende regio's (hele afbeelding, alleen huid, alleen laesie) met een referentieverdeling.
• Zes Vergelijkingspatronen: De auteurs analyseren zes patronen om onderscheid te maken tussen de algehele huidtoon, de toon van de laesie alleen, en vooral de contrastverhouding tussen laesie en huid (lesion-skin contrast).

Preprocessing:
Er wordt een standaard "haarverwijderings"-pipeline toegepast om artefacten die de huidskleurmeting kunnen verstoren, te elimineren voordat de ITA-waarden worden berekend.

Evaluatie:
De prestaties van de modellen worden gemeten met negen veelgebruikte segmentatiemetrics (o.a. IoU, Dice Coefficient, Sensitiviteit, Specificiteit, Pixel Accuracy, AUC). De correlatie tussen de huidskleurmetingen (WD) en deze prestaties wordt onderzocht met Spearman's rangcorrelatie.

Belangrijkste Resultaten

1. Zwakke correlatie met globale huidtoon:
   Globale maatstaven voor huidskleur (zoals Fitzpatrick-groepering of gemiddelde ITA) tonen een zwakke associatie met de segmentatiekwaliteit (correlatiecoëfficiënten < 0,2). Dit suggereert dat binnen het bereik van de gebruikte datasets, de algehele huidskleur op zich weinig variantie in de segmentatiefouten verklaart.

2. Sterke correlatie met Laesie-Huid Contrast:
   Er is een sterke negatieve correlatie gevonden tussen lage contrasten (kleurverschil tussen laesie en omringende huid) en de segmentatieprestaties.

   • Wanneer het contrast laag is (de laesie lijkt qua kleur sterk op de huid), nemen de fouten toe (lagere IoU, Dice, AUC; hogere False Positive/Negative Rates).
   • Dit patroon is consistent over alle drie de architecturen (UNet, DeepLabV3, DINOv2) en beide datasets.

3. Distributiegebaseerde analyse is superieur:
   De analyse toont aan dat het gebruik van continue verdelingen (via Wasserstein Distance) veel waardevollere inzichten biedt dan het gebruik van discrete categorieën. De "laesie-huid" contrastmetingen (Pattern 4-6) tonen de sterkste voorspellende waarde voor segmentatiefouten.

4. Klinische relevantie:
   De bevindingen gelden ook voor kwaadaardige laesies (zoals melanoom en basaalcelcarcinoom). Lage contrasten leiden tot onduidelijke grenzen, wat resulteert in zowel onder- als overschattingsfouten (under- en over-segmentation).

Belangrijkste Bijdragen

• Methodologische Innovatie: Introductie van een continue, distributiegebaseerde representatie van huidskleur en contrast die pixel-niveau variatie behoudt, in plaats van af te vlakken naar discrete categorieën.
• Empirisch Bewijs: Kwantitatief bewijs leveren dat laesie-huid contrast de belangrijkste drijvende factor is voor segmentatiefouten, en niet de absolute huidskleur van de patiënt.
• Architectuur-onafhankelijkheid: Aantonen dat dit fenomeen consistent is over verschillende modeltypen (CNN en Vision Transformers).
• Audit-signaal: Voorstellen om continue contrastscores te gebruiken als een audit-signaal om systemen te monitoren op potentiële bias en onzekerheid.

Betekenis en Conclusie

De studie concludeert dat inspanningen om de eerlijkheid en betrouwbaarheid van dermatologische AI-systemen te verbeteren, zich moeten richten op het robust omgaan met laesies met lage contrasten, in plaats van zich primair te focussen op het corrigeren van discrete huidskleurgroepen.

• Praktische implicaties: Het is raadzaam om evaluaties te stratificeren op basis van contrast, gerichte augmentatie toe te passen om lage-contrastgevallen te oververtegenwoordigen, en onzekerheidstriggers te gebruiken voor menselijke review wanneer de segmentatie een laag contrast detecteert.
• Toekomstperspectief: Hoewel de huidige datasets (HAM10000, ISIC) een vertekende verdeling hebben met minder donkere huidtinten, biedt deze methode een robuust kader om de prestaties te analyseren. De auteurs pleiten voor verdere validatie op meer diverse cohorten, maar benadrukken dat de relatie tussen contrast en fouten een fundamenteel technisch probleem is dat onafhankelijk van de huidskleur van de patiënt moet worden opgelost om veilige en eerlijke AI-systemen te garanderen.