bioRxiv · Bioinformatics· Ayaz, H., Verma, P., Ali, M. M., OLADIMEJI, O., Ibitoye, A. O. ·· 1 天前精选AI 评分70
癌症基因表达分类器：模型解释揭示高准确率背后的数据来源捷径
When perfect is a warning: explanations expose shortcuts that accuracy hides in cancer gene-expression classifiers
AI 导读
研究团队发现，六类模型家族即使 AUC 达到 1.000，也可能学习样本来源捷径，将 80% 至 97% 的肿瘤邻近正常组织判为癌症。在独立队列中，这一错误率达到 100%；为每种组织匹配少量正常样本即可消除大部分捷径。团队提出基于模型解释的无标签评分，可按模型对样本来源的真实依赖程度进行排序，并迁移至未见的模型类型和数据。
推荐理由
研究通过跨队列测试和模型解释揭示高准确率分类器的数据来源捷径，并给出可评估这种依赖的无标签评分。
来源：bioRxiv · Bioinformatics · biorxiv.org