研究指临床类别失衡下AI不确定性量化失效并提出修正

Venet Osmani 等研究者发布论文称，临床 AI 的选择性预测在严重类别不平衡下会失效：标准不确定性度量实际衡量的是数据集稀缺程度而非真实的临床模糊性，从而系统性地惩罚少数类患者。研究者在 56 个合成条件和三个神经退行性疾病队列（多发性硬化、帕金森病、阿尔茨海默病）上验证了这一问题。 论文还发现，单独将 CCR 与标准熵结合并不能保护少数类，因为当 tau=0.5 时会破坏类内单调性；而将阈值感知度量与 CCR 结合可恢复单调性，避免少数类被排除。研究者建议在类别不平衡场景下采用阈值对齐的不确定性度量和按类分层的评估。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。