分布偏移
Parent: ai_keywords
分布偏移（Distribution Shift）
核心定义
分布偏移指训练数据的统计分布与模型部署时测试或实际应用数据的分布不一致的现象。在机器学习中，这会导致模型性能显著下降，因其隐含的独立同分布（i.i.d.）假设被违反。在临床医学领域，由于数据采集设备、人群特征、时间变迁等差异，分布偏移是制约AI模型从研发到真实场景落地的核心障碍。
关键技术点
-
协变量偏移（Covariate Shift）
输入特征边缘分布改变，但条件分布 (P(Y|X)) 保持不变。如不同医院CT扫描参数不同导致图像纹理偏移，但病灶与影像的关联未变。 -
标签偏移（Label Shift）
输出标签先验分布改变，而条件分布 (P(X|Y)) 恒定。例如疫情前后某疾病患病率变化，但影像表现仍能反映标签。 -
概念偏移（Concept Shift）
条件分布 (P(Y|X)) 本身随时间或环境改变。如诊断标准更新后，同一影像对应标签（如脑卒中分期）发生变化。 -
检测与缓解方法
- 对抗性验证：训练分类器区分训练与测试样本，若准确率高则提示存在偏移。
- 域自适应（Domain Adaptation）：通过对齐特征分布（如最大均值差异、对抗训练）或调整模型参数适应新域。
- 域泛化（Domain Generalization）：在训练时学习跨域不变特征，无需目标域样本。
医学/神经科学应用场景（基于首都医科大学神经病学研究）
以脑卒中急性期CT/MRI病灶分割为例：模型在首都医科大学宣武医院（西门子设备、高分辨率）训练后，直接应用于基层医院（GE设备、低剂量、噪声大）时，分割精度（Dice系数）从0.85骤降至0.60。此即典型的协变量偏移（影像纹理差异）与概念偏移（基层医院扫描协议导致病灶边界模糊）。为解决该问题，可采用对抗域自适应：将源域（宣武医院）与目标域（基层医院）影像通过特征提取器映射到公共空间，并训练域判别器强制特征不可区分；同时保留分割器以维持病灶识别能力。实验表明，该方法使目标域Dice恢复到0.78，验证了分布偏移消解对神经影像AI临床落地的关键作用。
