诊断检验的反熵

诊断检验与医学、大流行追踪、威胁检测以及信号处理中的多种场景密切相关。这是一篇带有若干原创结果的综述性论文。在此我们首先建立诊断的数学架构，并探究其概率基础。这样做使我们能够发展新的度量来评估不同种类诊断检验的有效性，并解决诊断中一个长期存在的开放问题，即在其受试者工作特征曲线相交时比较检验。前者通过引入我们所称的基尼系数（Gini Coefficient）这一概念完成；后者通过援引信息论中的反熵（dinegentropy）概念完成。综合来看，这些可视为对诊断最先进水平的贡献。我们工作的精神也可能与被广泛讨论的批量检验话题相关，其中每个批次由用于生成它的划分策略定义。然而此可能性在此未予详细探讨。相反，我们邀请其他研究者关注并作为未来工作考察这一想法。