QML医疗影像公平性审计论文发表

2026年10月27日，Giovanni dos Santos Franco等人在arXiv发表《医疗影像负责任量子机器学习：跨敏感亚组公平性审计》。研究在DDI和CheXpert数据集上对比了SVM、MLP、QSVM和QCNN模型，测试多种公平性缓解策略。结果显示量子分类器整体性能具备竞争力，但存在亚组差异，模型与数据集相关的公平性效应显著。作者强调所有量子模型均在经典模拟中运行，不声称量子优势，并假设量子机器学习并非天生公平，需进行经验性亚组感知评估。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。