FAIR-Path為全球首創之公平性導向病理AI架構，整合對比式學習與弱監督多實例學習，於模型機制層級抑制族群偏差。跨20種癌別、多家國際醫學中心驗證可消除88.5族群偏差（外部驗證91.1）並維持高診斷效能，研究獲選為《Cell Reports Medicine》2025年12月封面論文。

本技術提出以公平性為核心之病理AI診斷架構，透過公平性導向對比式學習，有效分離疾病特徵與族群偏差信號，相較於傳統重加權或過採樣方法，可於模型學習機制層級抑制偏差來源。在多癌別與跨中心驗證中，可改善88.5診斷不公平問題並維持高準確性，具備國際領先之技術優勢。

【一張病理切片影像，就能讓AI對每位病患做出同等可信的診斷】
  
  FAIR-Path可即插即用整合於醫院PACS、數位病理與AI平台，協助醫療機構建立多族群一致性驗證流程，提升AI臨床部署之公平性、可信度與法規合規能力，具高度智慧醫療落地與產業化潛力。