Auditing Sybil: Explaining Deep Lung Cancer Risk Prediction Through Generative Interventional Attributions
تقدم هذه الورقة البحثية إطار عمل S(H)NAP، وهو إطار تدقيق غير مرتبط بنموذج محدد يستخدم العزو التدخلي التوليدي ليكشف أنه في حين أن نموذج التعلم العميق "Sybil" يتنبأ بدقة بمخاطر سرطان الرئة، إلا أنه يعاني من أوضاع فشل حرجة مثل الحساسية تجاه المصنوعات الاصطناعية غير المبررة سريريًا وانحياز شعاعي متميز.