La ricerca sull'IA mette in discussione le ipotesi sulla validazione dei modelli prognostici negli studi medici

Uno studio recente pubblicato su arXiv mette in discussione la convinzione ampiamente diffusa che la validazione esterna sia sufficiente per garantire la generalizzabilità dei modelli prognostici. I ricercatori hanno introdotto due approcci complementari mirati a migliorare la trasportabilità dei modelli tra diversi gruppi di pazienti. Hanno analizzato sei coorti chirurgiche reali provenienti da istituzioni accademiche di terzo livello per determinare se una calibrazione esterna efficace dipenda principalmente dalla somiglianza delle covariate e degli esiti tra i set di addestramento e validazione. Questa somiglianza è stata misurata utilizzando la divergenza di Kullback-Leibler, mentre la calibrazione è stata valutata con l'Indice di Calibrazione Integrato. Dal punto di vista dello sviluppatore del modello, è stato addestrato un modello prognostico "migliore in media" basato su una distribuzione di covariate ed esiti derivata da una meta-analisi. Inoltre, lo studio ha proposto una metrica semplice per valutare gli esiti delle coorti dalla prospettiva dell'utente finale. Questa ricerca interdisciplinare, catalogata come arXiv:2604.16537v1, affronta specificamente gli spostamenti distributivi riscontrati quando si applicano i modelli a nuove popolazioni di pazienti, influenzando lo sviluppo e la validazione dei modelli prognostici nella ricerca medica.