Hidden Universal Collapse Behind Apparent Robustness: Dual-Metric Cross-Site Audit of a Laparoscopic Surgical AI Detector
Este estudo demonstra que avaliações de métrica única podem mascarar o colapso universal de modelos de IA cirúrgica entre diferentes centros ao destacar uma robustez aparente em classes específicas, ao passo que auditorias de métrica dupla revelam que a substituição de backbone, nas configurações testadas, não foi capaz de reduzir a lacuna, evidenciando falhas generalizadas tanto em detectores customizados quanto em modelos de fundação pré-treinados.