Teste de Robustez de Modelos de IA Médica: Conjuntos de Dados MIMIC-III, eICU e SEER
Este estudo avalia a precisão de modelos de aprendizado de máquina na previsão de resultados de doenças graves: risco de mortalidade hospitalar em 48 horas, sobrevivibilidade de câncer de mama em 5 anos e sobrevivibilidade de câncer de pulmão em 5 anos. Foram usados três conjuntos de dados — MIMIC-III, eICU e SEER —, empregando modelos como LSTM, MLP e XGBoost. Para testar a robustez do modelo, foram projetados vários métodos de geração de casos de teste, incluindo variações baseadas em atributos, subida de gradiente e abordagens baseadas na Escala de Coma de Glasgow. O estudo avaliou o desempenho do modelo nesses casos desafiadores, revelando desempenho variável entre conjuntos de dados e métodos, destacando a necessidade de melhorias adicionais para aumentar a confiabilidade.