心衰数据因果发现算法路径公平性审计
热点事件持续更新
心衰数据因果发现算法路径公平性审计
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
研究人员 Nitish Nagesh 等人发布论文,针对心衰临床记录数据集开展因果发现算法审计,建立专家因果图基准并追溯算法路径公平性。 ICA-LiNGAM 在结构汉明距离和召回率指标上表现最优,而 GES 算法精度最高。研究发现,原始图与发现图在射血分数中介效应上存在 1.2 个百分点差异,导致公平-效用比发生变化。 研究结果强调,因果发现感知及路径特异性公平性评估在临床场景中至关重要,建议将其纳入临床风险模型的常规审计流程。
AI 根据报道生成 · 12 小时前更新
最新进展11月19日 13:00
因果发现算法路径特异性公平性审计:心衰案例研究报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · ML因果发现算法路径特异性公平性审计:心衰案例研究
针对心衰临床记录数据集,构建专家因果图基准并追溯因果发现算法,量化路径特异性公平性与效用权衡。 ICA-LiNGAM在结构汉明距离和召回率上最优,GES精度最高;原始与发现图在射血分数中介效应上存在1.2个百分点差异,导致公平-效用比变化。 结果表明因果发现感知、路径特异性公平性评估在临床场景至关重要,应纳入临床风险模型常规审计。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 1011月19日 14:00
- 近 24 小时变化
- –
02.557.510
14:0016:0018:0020:0022:0011月20日
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。