arXiv 机器学习· Olivier Lefebvre (Department of Computer Science, Universit\'e de Sherbrooke, Sherbrooke, Canada), Hakima Laribi (Department of Computer Science, Universit\'e de Sherbrooke, Sherbrooke, Canada), Dan Poenaru (Department of Pediatric Surgery, Montreal Children's Hospital, Montreal, Canada, Centre for Outcomes Research and Evaluation), Martin Valli\`eres (Medical Physics Unit, Department of Oncology, McGill University, Montreal, Canada)·· 5 小时前AI 评分33
通过局部有害协变量偏移检测诊断低置信度患者画像
Diagnosing Low-Confidence Patient Profiles via Localized Harmful Covariate Shift Detection
AI 导读
研究人员提出了结合 MED3pa 与 Detectron 的统一诊断流程，通过局部有害协变量偏移检测来识别临床预测模型中的低置信度患者画像。在 MIMIC-IV 上的 3 项临床预测任务和 3 种亚群偏移实验表明，在总体层面无法检测到的年龄偏移能被精确定位到特定受损画像中。相比之下，性别和种族相关偏移被广泛检出，对识别受影响最严重的患者指导意义有限。
来源：arXiv 机器学习 · arxiv.org