🚀 هشدار هوش مصنوعی در تشخیص پزشکی: چرا داده‌های بیشتر همیشه بهتر نیستند؟ 🏥🤖

در دنیای تشخیص بیماری با هوش مصنوعی (مانند ماموگرافی)، تصور می‌شد افزودن داده‌های بیشتر از مراکز مختلف به دقت مدل کمک می‌کند. اما پژوهش جدید نشان می‌دهد که این کار همیشه نتیجه عکس می‌دهد!

محققان با بررسی مدل‌های ماموگرافی متوجه شدند که مدل‌ها به جای یادگیری ویژگی‌های اصلی سرطان، شروع به شناسایی «اثر انگشت» یا سبک خاصِ هر مجموعه داده (Dataset-Origin Signatures) می‌کنند. این باعث می‌شود مدل دچار «خطای میان‌دامنه» شده و عملکردش در دنیای واقعی افت کند. این یافته اهمیتِ توجه به کیفیت و منشأ داده‌ها را در پروژه‌های حساس پزشکی یادآوری می‌کند.

منبع: arXiv Computer Vision