explainable boosting models

新方法将黑箱人工智能模型转化为可审计的临床列线图

研究人员开发了一种名为 PRiSM（结构化模型中的部分响应）的新方法，可以将复杂的黑箱临床预测模型转化为易于理解的列线图。该技术捕捉了原始模型效应的形状和相互作用，从而能够进行审计和变量选择。当应用于心脏移植受者数据时，从逻辑回归、神经网络、随机森林和 XGBoost 等各种模型派生的列线图，在辨别力方面达到了非劣效性标准，并且通常保持了校准。PRiSM 方法现已作为开源 Python 包提供。