یکی از چالشهای بزرگ در استفاده از هوش مصنوعی برای تشخیص بیماریها (مثل سرطان)، عدم دقت کافی مدلها روی دادههای نامتوازن و تفاوت عملکرد آنها در گروههای مختلف بیماران است.
محققان به تازگی چارچوب جدیدی به نام CAT (Cohort-attention evaluation metrics) را معرفی کردهاند که با تمرکز بر:
✅ ارزیابی در سطح بیمار
✅ وزندهی مبتنی بر توزیع دادهها
✅ حساسیت و ویژگیِ (Sensitivity & Specificity) متناسب با گروهها
باعث میشود مدلهای پزشکی علاوه بر دقیقتر بودن، منصفانهتر و قابلاعتمادتر عمل کنند.
این پیشرفت گامی مهم برای افزایش اطمینان پزشکان و بیماران به ابزارهای هوشمند تشخیص بیماری است. 🏥🤖
منبع: arXiv Machine Learning