AI 误入歧途：技术补充
机器学习
2022-03-31 v1 机器学习
摘要
本研究为 STAT News 所刊“AI 误入歧途：患者数据的细微偏移如何让流行算法失稳，危及患者安全”的技术补充，该文考察了时间漂移对临床部署机器学习模型的影响。我们使用公开数据集 MIMIC-IV 训练模型，复现 Dascena 与 Epic 用于预测脓毒症（一种致命却可治病症）发病的商业方法。我们观察到部分模型随时间退化；最显著的是基于 Epic 特征构建的 RNN 在十年间 AUC 由 0.729 降至 0.525，促使我们将技术与临床漂移作为该性能下降的根因加以探究。
引用
@article{arxiv.2203.16452,
title = {AI Gone Astray: Technical Supplement},
author = {Janice Yang and Ludvig Karstens and Casey Ross and Adam Yala},
journal= {arXiv preprint arXiv:2203.16452},
year = {2022}
}