Bayesian Uncertainty Quantification of Breast-Cancer Pathology AI Agreement under Reader- and Annotation-Condition-Dependent Reference Labels
读者与标注条件依赖参考标签下乳腺病理AI一致性的贝叶斯不确定性量化AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要内容为医学AI一致性的贝叶斯不确定性量化与多读者标注分析，未涉及所提供微观、宏观或金融计量领域细分的直接文本依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
读者与标注条件依赖参考标签下乳腺病理AI一致性的贝叶斯不确定性量化
- 研究问题
- 摘要称，研究在人类参考标签随读者与标注流程变化时，如何量化一个固定病理AI系统与未来合格读者之间的一致性，且不把推断出的共识当作无误差的生物学真值。
- 方法与思路
- 作者提出使用固定外部HoVer-Net决策向量，分析Linked Evaluation与Unbiased NuCLS多读者数据；纳入原始一致率与iMRMC基准、仅读者与共享可检测性贝叶斯模型、结构敏感性、对抗模拟及预测评估，并以Δ=θ_E−θ_U作描述性对比。
- 材料陈述的贡献
- 摘要称，在5,188个读者-锚点配对中19.62%改变AI一致性状态；仅读者模型Δ=−0.0008，共享可检测性模型Δ≈0；绝对一致率对结构扰动敏感，而Evaluation减Unbiased对比相对稳定，并建议报告读者总体、选定框架、观测机制与结构敏感性。
- 阅读关注点
- 应核对锚点、视野、切片与读者数量的筛选过程，两种参考条件与观测机制的定义，贝叶斯模型的可识别性与先验，iMRMC与对抗模拟的具体设定，以及预测评估中切片构成变化的影响。
- 阅读边界
- 摘要未说明模型识别假设、先验细节与完整结果；作者明确表示这些发现不构成等价性、因果辅助效应、生物学准确性或新患者可迁移性的证据。该文为arXiv预印本，未经同行评审验证，不能据此声称已被期刊接收。
原文摘要
Human reference labels used to evaluate medical AI can vary across readers and annotation workflows. We quantified agreement of a fixed pathology AI system with a future qualified reader without treating inferred consensus as error-free biological truth. Linked Evaluation and Unbiased NuCLS multirater data were analyzed using a fixed external HoVer-Net decision vector. The selected frame contained 1,144 anchors, 52 fields of view, five slides/patients, and five primary readers. The target was fixed-AI agreement with a future reader, with descriptive contrast $Δ=θ_E-θ_U$. Analyses included raw agreement and iMRMC benchmarks, reader-only and shared-detectability Bayesian models, structural sensitivities, adversarial simulations, and predictive assessment. Among 5,188 reader-anchor pairs observed in both conditions, 19.62% changed AI-agreement state, while raw agreement was 0.5466 in Unbiased and 0.5473 in Evaluation. The reader-only model gave $Δ=-0.0008$ (95% CrI, $-0.0033$ to $0.0008$), and the shared-detectability model gave $Δ\approx0$ ($-0.0140$ to $0.0127$). Across structural perturbations, absolute agreement ranged from 0.420 to 0.646 in Unbiased and 0.409 to 0.640 in Evaluation. Frozen adversarial simulations met the comparative-stability criterion (median $R=0.295$; 14/16 model-scenario cells had $R<1$). Held-out-AI prediction supported shared predictive information, but varied by slide composition. The Evaluation-minus-Unbiased contrast was comparatively stable, whereas absolute agreement was structurally sensitive. These findings do not establish equivalence, causal assistance effects, biological accuracy, or new-patient transportability. Evaluations using variable human references should report reader population, selected frame, observation mechanism, and structural sensitivity.