平均患者谬误
人工智能
2025-10-01 v1
摘要
医学中的机器学习通常针对人群平均值进行优化。加权训练优先考虑常见表现形式，边缘化了罕见但临床关键的病例，我们将这种偏见称为平均患者谬误。在混合模型中，罕见病例的梯度被患病率所抑制，这与精准医学形成直接冲突。肿瘤学、心脏病学和眼科学的临床案例显示，这会导致漏诊罕见缓解患者、延迟识别异常紧急情况以及在视网膜病变方面表现不足。我们提出了运营性修复方案：罕见病例绩效差距、罕见病例校准误差、罕见性的患病率效用定义，以及突显伦理优先事项的临床加权目标。权重选择应遵循结构化的 deliberation。医学中的人工智能必须检测例外病例，因为其重要性。
引用
@article{arxiv.2509.26474,
title = {The Average Patient Fallacy},
author = {Alaleh Azhir and Shawn N. Murphy and Hossein Estiri},
journal= {arXiv preprint arXiv:2509.26474},
year = {2025}
}