محققان در مقاله جدیدی به سراغ یکی از چالشهای مهم در مدلسازیهای پزشکی و آنکولوژی رفتهاند: «عدم هماهنگی بین تابع زیان (Loss) و شاخص C-index».
🔹 مشکل اینجاست که در مدلهای بقا، شاخصی که برای ارزیابی عملکرد مدل (C-index) استفاده میشود، با تابع زیان آموزشی همخوانی ندارد.
🔹 محققان روش جدیدی به نام «Sigmoid Concordance Loss» یا همان SCL را معرفی کردهاند که تضمین میکند با کاهش مقدار خطا، دقت مدل در رتبهبندی بیماران افزایش یابد.
این روش نه تنها محاسبات را بهینهتر میکند، بلکه باعث میشود انتخاب مدل و توقف زودهنگام آموزش (Early Stopping) بسیار دقیقتر از قبل انجام شود. 🧠✨
منبع: arXiv Machine Learning