Multi Armed Bandit Based Adaptive Model Selection for Clinical AI Governance An Infrastructure Approach to Safer AI Use in U.S. Healthcare
Este artículo propone un marco de gobernanza basado en Multi-Armed Bandit para la IA clínica que selecciona dinámicamente entre modelos validados al equilibrar la calidad predictiva, el costo y las penalizaciones de seguridad, demostrando mediante simulaciones con MIMIC-IV que, si bien las políticas de minimización de arrepentimiento superan al despliegue estático, el retiro confiable de modelos subóptimos requiere significativamente más datos de los que proporcionan los flujos clínicos típicos.