针对绑定数据的 Cohort-attention 评估指标：研究癌症检测中分类模型的性能
机器学习
2025-10-28 v2 计算工程、金融与科学
机器学习
摘要
人工智能（AI）显著提高了医学筛查的准确性，尤其是在癌症检测和风险评估方面。然而，传统的分类指标往往未能考虑数据不平衡、不同人群中的性能差异以及患者层面的不一致性，导致评估偏差。我们提出了 Cohort-Attention 评估指标（CAT）框架，以解决这些挑战。CAT 引入患者水平评估、熵基分布加权以及基于人群的灵敏度和特异度。诸如 CATSensitivity（CATSen）、CATSpecificity（CATSpe）和 CATMean 等关键指标，确保了在不同人群中的平衡和公平评估。该方法增强了预测的可靠性、公平性和可解释性，为 AI 驱动的医学筛查模型提供了稳健的评估方法。
引用
@article{arxiv.2503.12755,
title = {Cohort-attention Evaluation Metric against Tied Data: Studying Performance of Classification Models in Cancer Detection},
author = {Longfei Wei and Fang Sheng and Jianfei Zhang},
journal= {arXiv preprint arXiv:2503.12755},
year = {2025}
}
备注
incomplete results