研究发现胸部X光AI模型可能夸大临床效用

一篇新发表在arXiv上的研究论文表明，当前用于诊断胸部X光的机器学习模型可能夸大了其在现实世界中的临床效用。该研究纳入了患者出院小结等临床背景信息，发现模型性能（以AUROC和其他指标衡量）在已有较高患病概率的患者身上显著下降。这表明这些模型在高风险患者群体中可能表现更差，突显了报告的平均性能与实际临床适用性之间的差距。 AI

影响 强调了AI诊断工具在真实临床环境中，尤其是在高风险患者方面，可能存在的性能高估问题。

排序理由 一篇发表在arXiv上的研究论文，详细介绍了一种用于评估ML模型的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• Andrew H.-J. Wang
• arXiv
• CatalyzeX
• Chest X-Rays
• computer vision
• DagsHub
• Gotit.pub
• Hugging Face
• machine learning
• ScienceCast

• 论文
• 安全
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →