English(EN) When uncertainty quantification fails: structural vulnerabilities and corrections for selective prediction under clinical class imbalance

研究发现：AI不确定性量化在不平衡临床数据中存在缺陷

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-28 04:00

一篇新发表在arXiv上的研究论文强调了用于临床环境的选择性预测系统在不确定性量化方面存在一个关键缺陷，尤其是在处理不平衡数据集时。研究表明，标准的不确定性度量会错误地表示临床模糊性，反而充当类别成员的代理，并系统性地惩罚少数患者群体。研究人员提出了一种修正框架，将不确定性度量与临床阈值对齐，确保不同患者群体的风险平衡，并提高AI在医疗保健中的安全性。 AI

影响强调了临床应用中AI安全机制的一个关键缺陷，可能影响AI在医疗保健领域的部署。

排序理由学术论文，详细介绍了AI安全方面的新颖方法和发现。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

本文如何被排名

Signal score: 15 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，详细介绍了AI安全方面的新颖方法和发现。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Walter Endrizzi, Flavio Ragni, Raffaele Marchesi, Stefano Bovo, Monica Moroni, Giuseppe Jurman, Venet Osmani · 2026-10-28 04:00

当不确定性量化失效时：临床类别不平衡下选择性预测的结构性漏洞与修正

arXiv:2610.37561v1 Announce Type: cross Abstract: Background. Selective prediction systems improve the safety of clinical artificial intelligence by deferring ambiguous cases to human experts while automating high-confidence decisions. However, this safety mechanism relies entire…

本文如何被排名

报道来源 [1]

当不确定性量化失效时：临床类别不平衡下选择性预测的结构性漏洞与修正

相关实体

相关话题