본 논문은 의료 영상에서의 딥러닝 모델의 공정성 문제를 해결하기 위한 새로운 프레임워크인 FairREAD를 제안합니다. 기존 방법들이 민감한 속성(인구통계학적 정보 등)을 제거하여 편향을 완화하려는 시도와 달리, FairREAD는 민감한 속성을 분리한 후, 임상적으로 중요한 정보를 유지하면서 공정하게 재통합하는 방식을 사용합니다. 이는 직교성 제약 조건과 적대적 훈련을 통해 민감한 속성을 분리하고, 제어된 재통합 메커니즘과 하위 그룹별 임계값 조정을 통해 공정한 성능을 확보합니다. 대규모 임상 X선 데이터셋을 이용한 실험 결과, FairREAD는 불공정성 지표를 크게 감소시키면서 진단 정확도를 유지함을 보여줍니다.
