对用于慢性肾脏病（CKD）早期预测的机器学习模型进行的系统综述揭示了数据泄露和预测器稳定性方面存在严重问题。该综述分析了十九项研究，引入了一个分类法和评分框架来评估信息泄露。高泄露率的研究报告的平均准确率为95.48%，远高于无泄露研究报告的80.2%的准确率，表明性能指标被夸大。此外，分析发现超过80%的预测器缺乏可靠性，这表明报告的性能提升通常是由于方法学上的局限性，而不是真正的预测能力。 AI
影响 强调了医疗领域机器学习的关键方法学缺陷，表明当前的性能指标可能不可靠，并影响对人工智能驱动的诊断的信任。
排序理由 这是一篇发表在arXiv上的系统综述论文，详细介绍了医疗领域机器学习的方法学问题。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
