arXiv · ML· Alexander Schubert, Anton H{\aa}kansson, Ziad Obermeyer·· 10 天前AI 评分23
选择性标签下的目标可恢复性:基于 ECG 的急性冠脉综合征预测中的失效模式
Target Recoverability under Selective Labels: A Failure Mode in ECG-Based Acute Coronary Syndrome Prediction
AI 导读
研究揭示 ECG 模型在急性冠脉综合征预测中因选择性标签导致的失效,3 个微调模型在未检测患者中 AUROC 为 0.381-0.478,表现低于随机水平。 模型在已检测患者中 AUROC 达 0.740-0.770,但训练于不稳定心绞痛的模型与风险呈反向相关(AUROC 0.310)。 该机制表明有效学习需确保预测目标可从模型输入推断,并在预期部署人群中评估。
来源:arXiv · ML · arxiv.org