محققان در یک مطالعه جدید روی دادههای MRI بیماران مبتلا به گلیوبلاستوما (نوعی تومور مغزی)، به بررسی ارتباط بین «پایداری ویژگیهای رادیومیک» و «دقت مدلهای پیشبینی بقا» پرداختهاند.
نتایج این تحقیق جالب است: برخلاف تصور رایج، استفاده از ویژگیهای بسیار پایدار لزوماً منجر به بهبود دقت پیشبینی مدل نمیشود و بین انتخاب ویژگیهای «مطمئن» و کارایی مدل در محیطهای بالینی، نوعی بدهبستان (Trade-off) وجود دارد. این یافتهها یادآوری میکنند که در هوش مصنوعی پزشکی، پیچیدگی و پایداری لزوماً به معنای عملکرد بهتر در دنیای واقعی نیست. 🧠💻
منبع: arXiv Computer Vision