机构名称：
¥ 1.0
越来越多的精神病学研究采用了机器学习和自然语言处理方法，但研究成果尚未转化为实际的临床决策支持系统。这些研究中的许多都是基于同质人群中相对较小的数据集，这会导致模型在实际临床实践中无法充分处理新数据。严重精神疾病的本质是难以定义、难以捕捉，并且需要频繁监测，这会导致数据不完善，其中属性和类噪声很常见。为了实现有效的人工智能介导的临床决策支持系统，必须在所使用的模型上设置计算保护措施，以避免出现虚假预测，从而允许人类在模型不稳定或无法推广的环境中审查数据。本文介绍了两种实施安全措施的方法：（1）通过基于属性和类别的异常值检测确定模型不稳定的情况；（2）找出模型表现出归纳偏差的程度。这些安全措施在通过自然语言处理方法对故事回忆任务进行自动评分时得到了说明。随着人机交互机器学习融入临床实施过程，将这些安全措施纳入模型将为患者提供更多保护，防止其受到虚假预测的影响。
防范基于人工智能的虚假预测
主要关键词
相关文件推荐
