arXiv · cs.AI· Olivier Lefebvre (Department of Computer Science, Universit\'e de Sherbrooke, Sherbrooke, Canada), Hakima Laribi (Department of Computer Science, Universit\'e de Sherbrooke, Sherbrooke, Canada), Dan Poenaru (Department of Pediatric Surgery, Montreal Children's Hospital, Montreal, Canada, Centre for Outcomes Research and Evaluation), Martin Valli\`eres (Medical Physics Unit, Department of Oncology, McGill University, Montreal, Canada)·· 6 小时前
MED3pa与Detectron联合诊断临床模型中的低置信患者画像与有害协变量偏移
Diagnosing Low-Confidence Patient Profiles via Localized Harmful Covariate Shift Detection
arXiv:2610.19178v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Olivier Lefebvre (Department of Computer Science, Universit\'e de Sherbrooke, Sherbrooke, Canada), Hakima Laribi (Department of Computer Science, Dan Poenaru (Department of Pediatric Surgery, Montreal Children's Hospital, Montreal, Canada, Centre for Outcomes Research and Evaluation), Martin Valli\`eres (Medical Physics Unit, Department of Oncology, McGill University
研究任务与主要进展
研究提出由MED3pa和Detectron组成的统一诊断流程，先发现可解释的低置信患者画像，再在画像内检测与性能退化相关的有害协变量偏移。基于论文摘要，在MIMIC-IV的三个临床预测任务和三种注入亚组偏移中，人口层面的年龄偏移虽不可检测，但可定位到特定退化画像；性别和种族偏移则被广泛检测，对识别最受影响患者的帮助有限。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org