研究评估八种AUC临床公平性指标
热点事件持续更新
研究评估八种AUC临床公平性指标
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
João Matos等作者发表论文，系统评估文献中八种基于AUC的临床预测模型公平性指标，指出AUC具有不可折叠性，亚组与整体的AUC数值不能直接比较，并给出这些指标哪些可用、哪些不可用的建议。 研究对象限于文献中已有的八种AUC类指标。其核心结论是，整体AUC与亚组AUC不能直接互相比较，因此用这类指标评估临床预测AI公平性时需注意适用条件。
AI 根据报道生成 · 46 分钟前更新
报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv · cs.AI临床预测 人工智能（AI，Artificial Intelligence） 的 AUC 公平性指标评估：哪些可用、哪些不可用
一项研究系统评估了文献中八种基于曲线下面积（AUC，Area Under the Curve）的临床预测模型公平性指标，指出 AUC 具有不可折叠性，亚组与整体数值不能直接比较。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。