一篇新论文以多发性骨髓瘤的诊断为例，探讨了医疗领域AI系统“正确性”的复杂定义。文章认为，准确性不仅取决于基准性能，还取决于标记数据的质量、模型的可解释性、临床相关指标以及人机协作中的问责制等因素。研究强调了不稳定的真实标签、不透明的AI预测、不充分的标准指标以及临床环境中自动化偏见的风险等挑战。 AI
影响 这项研究促使人们更深入地思考如何在医疗等关键领域衡量AI的性能，超越简单的准确性，涵盖数据质量、可解释性和问责制。
排序理由 该集群包含一篇讨论特定领域AI安全和方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
This paper examines what it means for a medical AI system to be right by grounding the question in a specific clinical context: the automatic classification of plasma cells in digitized bone marrow smears for the diagnosis of multiple myeloma. Drawing on philosophy of science and…