研究揭示临床机器学习MIMIC-IV预处理对齐问题

发生了什么

据arXiv cs.LG论文《Hidden Data Challenges in Clinical Machine Learning》指出，广泛重用的电子健康记录预处理管道可能编码了关于信息可用性、临床事件标签和缺失值的假设，且很少被系统审计。以MIMIC-IV为例，研究识别并量化了时间、语义和人群对齐的违规，表现为时间泄漏、特征-任务不对齐和有偏插补。这些选择可能在聚合预测性能中隐形，但改变模型依赖的信号。