降低泊松误差可抵消临床任务中的分类误差

医学机器学习算法通常基于准确率与临床医生定义的基准一致性进行评估，这是合理的初始选择，因为培训过的临床医生通常比 ML 模型更擅长分类。然而，这一指标未能完全捕捉实际临床任务：它忽略了即使在准确度方面完美，人类仍面临来自稀有事件泊松统计的非平凡误差，因为临床协议通常指定相对较小的样本量。例如，要对薄血片进行疟疾定量，临床医生仅检查 2000 颗红细胞 (0.0004 uL)，这可能导致实际原虫数量的大泊松变动，从而使完美的人类计数与真实平均负荷存在显著差异。相比之下，ML 系统在对象层面可能不够准确，但它可能具有检查更多血液（例如 0.1 uL，或 250 倍）的选项。然后虽然其原虫识别误差更高，但由于更大的样本量，其估计的泊松变动性更低。要获得临床部署，ML 系统的性能必须匹配当前标准护理，通常是一个非常苛刻的目标。为实现这一目标，可能可以通过增加样本量来降低泊松误差，以抵消 ML 系统较低的分类准确度，从而达到与完美的人类在小样本量限制下的相同净临床性能。本文分析了泊松误差、分类误差与总误差之间的数学关系。这种数学工具包使优化 ML 系统的团队能够利用相对优势（更大样本量）来抵消相对劣势（分类准确度）。我们以两种具体实例说明该方法：血液片上疟疾的诊断和定量。