3. 偏倚的 taxonomy 与来源剖析

在医学影像人工智能研究中，“偏倚”并不是一个单一的错误，而是一组在不同环节以不同机制扭曲结论的系统性偏差。流行病学中的经典分类——选择偏倚、信息偏倚、混杂偏倚、测量偏倚——在影像数据上都有非常具体的对应物。理解这套分类的价值在于：它把“模型泛化差”这个笼统结果，拆解成可定位、可干预的来源。本节先建立分类框架，再逐一剖析四类偏倚在医学影像中的表现与成因。

一、分类框架：偏倚发生在数据生命周期的哪一段

四类偏倚并非并列的四个盒子，而是分布在“入组—采集—标注—建模—评价”这条链路上。选择偏倚发生在样本进入数据集之前，决定“谁被纳入”；测量偏倚发生在成像与标注环节，决定“数值是否可信”；信息偏倚发生在标签与变量被记录、提取、使用时，决定“信息是否被错误分类或缺失”；混杂偏倚则贯穿全程，决定“观察到的关联是否被第三个变量解释”。

二、选择偏倚：入组方式决定了模型能“看见”什么

选择偏倚的核心是样本不能代表目标人群。在医学影像中最常见的形态是中心与设备集中：某三甲医院用一台 64 排 CT 连续收集两年肺结节数据，阳性病例来自胸外科手术队列，阴性病例来自体检中心。这样得到的“阴性”人群年龄更低、合并症更少，模型学到的判别边界实际上混合了“有无结节”和“来自哪个科室”两个信号。当它被部署到基层医院时，阴性人群的构成完全不同，特异度会明显下降。

另一类隐蔽形态是排除标准造成的截断。例如为控制图像质量而排除运动伪影严重的病例，但运动伪影本身与患者配合度、病情严重程度相关，排除后训练集系统性地缺失了“最难的一类”。判断选择偏倚是否严重，可以比较数据集与目标人群在年龄、性别、设备型号、扫描年份、科室来源上的分布，若某一维度高度集中，就应视为潜在偏倚源。

三、测量偏倚：同一病灶在不同协议下不是同一个数值

测量偏倚指测量工具或测量过程本身带来的系统误差。影像数据尤其敏感，因为像素值不是物理量，而是经过采集与重建后的相对强度。层厚从 1 mm 变为 5 mm，小结节的容积测量可能相差数十个百分点；重建核从锐利核换为平滑核，同一病灶的纹理特征分布整体平移；窗宽窗位设置不同，输入网络的灰度范围随之改变。这些差异不是随机噪声，而是随设备、协议、操作者系统变化的偏移。

标注环节同样存在测量偏倚。两位放射科医师对同一病灶勾画边界，Dice 系数常在 0.7～0.85 之间；若其中一位习惯性外扩 2 mm，模型就会学到偏大的分割先验。控制测量偏倚的关键是记录并统一采集与标注元数据：层厚、重建核、窗宽窗位、标注者 ID、勾画工具版本都应作为数据字段保存，使偏倚可被追溯、分层分析或作为协变量校正。

四、信息偏倚：标签与变量在记录、提取、使用中被扭曲

信息偏倚关注的是“信息本身是否正确”。在影像研究中，最典型的是用报告文本代替金标准。放射报告常写“建议随访”“不除外”，若简单按关键词提取为阴性或阳性，会把大量不确定病例强行二值化。更严重的是漏提：小结节在报告中未提及，被当作阴性标签，模型学到的是“报告是否提到”而非“是否存在病灶”。

随访数据中的失访与截断也是信息偏倚。生存分析中，失访患者若与预后相关，风险比会被高估或低估。回顾性研究中的变量缺失往往非随机——重症患者检查项目更全，轻症患者数据更稀疏，直接删除缺失样本会引入新的选择偏倚。处理策略包括：明确标签来源与置信度、对不确定标签单独建模或排除、对缺失机制做敏感性分析，而不是默认缺失完全随机。

五、混杂偏倚：模型可能学到了“设备”而不是“疾病”

混杂偏倚指存在一个第三变量，同时与暴露（如是否患病）和结局（如模型输出）相关，从而制造或掩盖真实关联。影像 AI 中一个经典场景是：阳性病例多来自 A 院的高端设备，阴性病例多来自 B 院的旧设备。模型在训练集上表现优异，但它实际学到的可能是“A 院设备的纹理特征”而非“病灶形态”。这就是设备作为混杂因素造成的伪关联。

识别混杂需要先画出因果图：暴露、结局、候选混杂变量三者之间的关系。年龄、性别、扫描年份、医院等级、设备代际都是常见混杂候选。控制方法包括在设计阶段限制入组（如按设备分层抽样）、在分析阶段分层或回归校正、在建模阶段采用对抗训练去除设备可判别性。需要注意的是，校正混杂不能只看统计显著性，还要判断该变量是否位于暴露到结局的因果路径上——若它是中介变量，校正反而会引入新的偏倚。

六、四类偏倚的联合排查清单

实际研究中四类偏倚往往同时存在，孤立处理某一类容易顾此失彼。下表给出一份可直接用于数据集审查的排查清单，字段与判断依据均针对医学影像数据设计。

把四类偏倚分开剖析，最终目的是让“泛化评估”有明确的靶点：外部测试集上的性能下降，可以回溯到入组分布、采集协议、标签质量或混杂结构中的具体一环。下一阶段的工作，就是针对这些来源设计可量化的评估与缓解方案。