新框架提升癌症亚型AI可信度

医学人工智能面临的一个基本挑战是不确定性量化。人工神经网络在很大程度上不了解其训练数据的局限性，当遇到不熟悉的输入时可能会变得过度自信。例如，如果用非洲哺乳动物图像训练一个网络，然后输入一张从未见过的南美美洲豹图像，模型无法识别为“未知”，反而可能自信地将其误判为美洲豹。

新开发的框架通过集成不确定性量化技术，使AI模型能够识别超出训练数据范围的输入，并避免错误分类。在癌症亚型分类任务中，该框架显著提高了模型的鲁棒性和可信度，减少了过度自信导致的误诊。

目前该研究尚未经过同行评审，但初步结果展示了增强AI可靠性的潜力。未来，这一框架有望应用于更多临床场景，提升AI辅助诊断的安全性。