基于深度学习的临床风险分层模型的不稳定性
机器学习
2022-11-22 v1 人工智能
摘要
尽管 ML 界早已熟知深度学习模型存在不稳定性，但其对医疗部署的影响尚未被充分刻画。我们以一组门诊预测任务为案例，研究了在电子健康记录上训练的不同模型架构的稳定性。我们表明，同一深度学习模型在同一训练数据上的重复训练运行，即使在全局性能指标保持稳定时，也会在患者层面导致显著不同的结果。我们提出了两种稳定性度量来衡量模型训练随机性的影响，以及改善模型稳定性的缓解策略。
引用
@article{arxiv.2211.10828,
title = {Instability in clinical risk stratification models using deep learning},
author = {Daniel Lopez-Martinez and Alex Yakubovich and Martin Seneviratne and Adam D. Lelkes and Akshit Tyagi and Jonas Kemp and Ethan Steinberg and N. Lance Downing and Ron C. Li and Keith E. Morse and Nigam H. Shah and Ming-Jun Chen},
journal= {arXiv preprint arXiv:2211.10828},
year = {2022}
}
备注
Accepted for publication in Machine Learning for Health (ML4H) 2022