关键指标
- 任务与标签
- 训练与外部验证
- 校准与漂移
- 公平、隐私与解释
指标不是孤立的数字
AI 应连接数据与证据，而不是替代研究设计、临床判断和责任。
INDEX / 06
06
AI 前沿
AI frontier
AI 能发现什么，又必须接受什么约束？
MEASUREMENT FIELD指标入口
指标必须连同单位、时间窗口、人群、来源和解释边界一起阅读。
读取什么任务与标签 · 训练与外部验证如何呈现预测模型卡 · 多模态关系图
把这一类 Index 变成可读的对象。
任务预测什么
验证在哪些人群成立
校准概率是否可靠
监督谁承担最终判断
READING RULE
INDEX CONTRACT
先把指标说完整。
同一个数值，只有在对象、方法、时间和人群都清楚时，才具备可比较的意义。
01 · OBJECT对象
研究辅助与决策支持，不把预测直接写成诊断。
02 · MEASURE测量
任务与标签 · 训练与外部验证
03 · WINDOW时间
单点、横断面或多时间点
04 · POPULATION人群
样本、物种或细胞状态
05 · BOUNDARY边界
医疗场景必须关注外部验证、偏差、校准、隐私和专业监督。
可读呈现
- 预测模型卡
- 多模态关系图
- 误差分层
- 人机协作记录
EXAMPLE
把对象放回时间和关系中
示例研究辅助与决策支持，不把预测直接写成诊断。
解释边界
医疗场景必须关注外部验证、偏差、校准、隐私和专业监督。
AI SELF-CHECK
让 AI 先检查结构，再辅助阅读。
01 是否写明对象、单位、时间窗口与适用人群？
02 是否能回到原始数据、方法和来源版本？
03 是否把相关性、预测性和因果性区分开？
04 是否仍需要研究者或临床人员进行最终审校？
SOURCES / EVIDENCE
暂不建议引用来源与证据状态
当前内容用于结构化学习说明，具体来源、版本和访问日期仍需补充，暂不建议作为正式引用。
指标图谱中的示例用于说明如何组织测量。真实健康指标必须补充人群、方法、时间窗口、数值范围、来源版本和人工审校状态。
查看万灵图志的编辑与 AI 自查方法CONTINUE