在近年来，多模态机器学习在心理健康评估中的整合展示了变革性的潜力。然而，随着视觉-语言模型（VLMs）的快速发展，其在临床环境中的部署引发了关于透明度和潜在偏见的担忧。尽管之前的研究探讨了公平性与可解释人工智能（XAI）之间的交集，但其在VLMs用于心理健康评估和抑郁预测方面的应用仍然不足。
本研究调查了VLM在实验室（AFAR-BSFT）和自然环境（E-DAIC）数据集上的表现，重点关注诊断可靠性和人口公平性。不同环境和架构下的性能差异显著；Phi3.5-Vision在E-DAIC上的准确率为80.4%，而Qwen2-VL仅为33.9%。此外，两种模型在AFAR-BSFT上均表现出对抑郁症的过度预测。尽管两种架构都存在偏见，Qwen2-VL表现出更高的性别差异，而Phi-3.5-Vision则显示出更多的种族偏见。
我们的XAI干预框架产生了混合结果；公平性提示在E-DAIC上为Qwen2-VL实现了完美的平等机会，但在准确性上付出了巨大代价。在AFAR-BSFT上，基于可解释性的干预提高了程序一致性，但并未保证结果的公平性，有时甚至加剧了种族偏见。这些结果突显了程序透明性与公平结果之间的持续差距。
我们分析了这些发现，并提出了具体的建议以应对这些问题，强调未来的公平性干预必须共同优化预测准确性、人口平等和跨领域泛化能力。
博主点评： 本文深入探讨了多模态模型在心理健康评估中的应用，尤其是如何在确保公平性与透明度的同时保持准确性。研究结果表明，公平性和可解释性之间的平衡仍需进一步探索，未来的研究应更加关注如何在实际应用中确保模型的公平性。