学术报告：《FairDiffusion: Enhancing Equity in Latent Diffusion Models via Fair Bayesian Perturbation》

作者及发表信息

本研究由Yan Luo（哈佛大学医学院Schepens眼科研究所、哈佛大学AI与机器人实验室）、Muhammad Osama Khan（纽约大学阿布扎比分校人工智能与机器人中心）、Congcong Wen（纽约大学AIR实验室）等共同作者合作完成，通讯作者为Mengyu Wang（哈佛大学Kempner自然与人工智能研究所）。论文《FairDiffusion》于2025年4月4日发表在Science Advances（期刊编号：sci. adv. 11, eads4593）。

学术背景

研究领域：本研究属于医疗人工智能（AI）与生成模型公平性的交叉领域，聚焦于潜在扩散模型（Latent Diffusion Models, LDMs）在医学图像生成中的公平性问题。

研究动机：尽管扩散模型（如Stable Diffusion）在文本到图像生成任务中表现出色，但其在不同人口统计学亚组（如性别、种族、民族）中的生成质量是否存在系统性偏差尚不明确。这种偏差可能导致医疗AI在诊断或教育中加剧现有健康不平等。例如，已有研究表明，Stable Diffusion生成的视网膜图像在白人、非西班牙裔群体中质量更高，而其他群体的图像质量或临床特征对齐性较差。

研究目标：
1. 评估现有扩散模型在医学图像生成中的公平性缺陷；
2. 提出FairDiffusion框架，通过公平贝叶斯扰动（Fair Bayesian Perturbation）优化模型，减少生成偏差；
3. 构建FairGenMed数据集，为医疗生成模型的公平性研究提供标准化基准。

研究流程与方法

1. 数据准备与评估基准

• FairGenMed数据集：包含10,000例患者的扫描激光眼底镜（SLO）图像，涵盖性别（女性5,824例，男性4,176例）、种族（亚裔819例、黑人1,491例、白人7,690例）、民族（西班牙裔378例、非西班牙裔9,622例）等属性。每例数据附带临床指标（如杯盘比CDR、视网膜神经纤维层厚度RNFLT）和诊断标签（如青光眼分期）。
  
• 外部验证数据集：包括皮肤镜图像数据集HAM10000和胸部X光数据集CheXpert，用于验证方法的泛化性。
  

2. 公平性评估框架

研究设计了两类评估指标：
- 图像生成质量：
- Fréchet Inception Distance (FID)：衡量生成图像与真实图像的分布差异，数值越低越好。
- Inception Score (IS)：评估生成图像的多样性和真实性，数值越高越好。
- 公平性扩展指标（ES-FID/ES-IS）：计算不同亚组间FID/IS的差异，量化偏差程度。
- 临床特征语义对齐：
- 训练分类器（如EfficientNet、ViT-B）对生成图像进行疾病分类（如青光眼检测），通过AUC和ES-AUC评估模型在不同亚组中的诊断一致性。

3. FairDiffusion模型设计

核心创新：在Stable Diffusion v1.5基础上引入公平贝叶斯扰动，通过以下步骤优化生成公平性：
1. 贝叶斯优化框架：将不同人口亚组的生成性能差异建模为黑箱函数，通过高斯过程（Gaussian Process）动态调整扰动参数。
2. 自适应扰动：对每个亚组的潜在空间施加条件扰动ζ{𝓭_i}，其强度由贝叶斯优化器根据历史性能数据（窗口大小w=30）动态调整。
3. 探索-利用平衡：设置扰动更新率ν=0.95，平衡局部优化与全局探索。

4. 实验设计

• 基线对比：与原始Stable Diffusion、去偏扩散模型（Debiased Diffusion）及随机扰动基线（R-Perturbation）对比。
  
• 评估任务：
  
  • 图像生成：在FairGenMed上生成SLO图像，计算各亚组的FID/IS。
    
  • 分类任务：使用生成图像训练分类器，在真实测试集上评估AUC。
    

主要结果

1. 图像生成质量的公平性提升

• 整体性能：FairDiffusion将FID从50.1降至48.3（p<0.001），IS从2.43提升至2.64（p<0.005）。
  
• 亚组改进：
  
  • 黑人群体：FID降低7.84（从122.6至114.8），IS提升0.6（p<0.001）；
    
  • 西班牙裔群体：FID显著降低11.79（从138.4至126.6）。
    
• 公平性指标：ES-FID在种族、性别、民族维度分别降低7.9、3.5、4.7（p<0.001）。
  

2. 临床特征语义对齐优化

• 青光眼分类：
  
  • 亚洲亚组AUC提升10.03%（p<0.001），男性亚组提升7.58%。
    
  • ES-AUC在种族维度从0.578提升至0.621。
    
• CDR预测：黑人亚组AUC提升4.5%（p<0.001），西班牙裔亚组提升2.7%。
  

3. 跨模态验证

在HAM10000和CheXpert上的实验显示：
- 皮肤镜图像：ES-FID在性别维度降低19.29，ES-IS提升1.18。
- 胸部X光：ES-AUC在种族维度从51.72提升至55.24。

结论与价值

科学意义：
1. 首次系统性揭示了扩散模型在医学图像生成中的公平性缺陷，并提出可量化的评估框架。
2. FairDiffusion通过贝叶斯扰动实现了无需重新训练的公平性优化，为生成模型的伦理设计提供新范式。

应用价值：
- 医疗教育：生成多样化的病例图像，避免教学数据偏差。
- 数据增强：为罕见病或少数群体生成合成数据，弥补真实数据不足。

研究亮点

1. 方法创新：将贝叶斯优化引入生成模型公平性调控，解决了传统重训练方法的高成本问题。
   
2. 数据集贡献：FairGenMed是首个包含多维度人口属性与定量临床指标的医疗生成数据集。
   
3. 跨模态验证：在眼科、皮肤科、放射科三类医学影像中均验证了方法的普适性。
   

其他价值

• 开源资源：作者公开了代码（Zenodo DOI:10.5281/zenodo.14606588）和数据集（DOI:10.5281/zenodo.13178701），推动领域协作。
  
• 临床启示：研究呼吁在医疗AI开发中纳入公平性评估，避免技术加剧健康差距。
  

（报告字数：约1,800字）