유럽 다기관 뇌졸중 레지스트리를 활용해 연속형 예측 변수를 임상 가이드라인 기반 범주형 변수로 대체해도 급성 허혈성 뇌졸중의 90일 예후 예측 성능이 유지되는지 검증한 연구다. 표준 연속형 모델과 뇌졸중 가이드라인 기반 치료별 임계값을 적용한 완전 범주화 그래디언트 부스팅 모델을 비교한 결과, 3개 치료 코호트 중 2개에서 통계적으로 유의한 차이가 없었고 1개 코호트에서만 예측 정확도가 유의하게 하락했다. 전역 특성 중요도 순위는 전 치료군에서 일관되게 유지돼 예후 인자의 핵심 위계가 보존됐다. 임상의의 판단 방식과 정합성을 높이면서도 성능 손실을 최소화할 수 있는 실용적 설계 대안을 제시한다.
- •3개 치료 코호트 중 2개에서 연속형·범주형 모델 성능 차이 없음
- •1개 코호트에서만 범주화 시 예측 정확도 유의하게 하락
- •전역 특성 중요도 순위는 전 치료군에서 일관되게 유지
- •뇌졸중 가이드라인 기반 치료별 임계값으로 그래디언트 부스팅 모델 범주화
- •임상의 설명 정합성 요구에 대응한 실증 연구
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
From Continuous Predictors to Clinical Thresholds: Early Evidence on Performance Trade-offs of Guideline-Based Categorisation for Ischaemic Stroke Outcome Prediction
본문 미리보기
arXiv:2608.05203v1 Announce Type: new Abstract: Machine learning models achieve strong predictive accuracy for 90-day outcome prediction in acute ischaemic stroke, yet clinical adoption is limited by the misalignment of model explanations with clinicians' reasoning. Motivated by a clinician user study calling for clinical guideline-aligned cut-offs, we ask whether continuous predictors can be replaced by clinically informed categorical encodings without sacrificing performance. On a multi-centr
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 10:11AI 초안
