论文提出可解释框架，决定AI何时决策或移交人类。
资讯摘要
论文提出Arbitrator框架，用于判断基于历史决策训练的AI何时应推荐决策、移交人类专家，或标记数据中的异常模式并偏离既往做法。作者以美国逝者供肾分配为案例，使用2016-2019及2023-2025年OPTN匹配数据，结合多种可解释模型，仅在其预测不确定性不影响首选行动时采取行动。作者报告该框架以明确医学标准解决93.5%的器官分配决策，其余6.5%移交人类或更复杂模型。
要点速读
- 论文指出，美国近30%的逝者供肾从未被移植，部分原因是难以通过标准等待名单顺序安置。
- 作者报告Arbitrator正确识别出70.1%历史上被丢弃的低KDPI肾脏为超序分配候选，并预计最多43.9%的历史丢弃肾脏可被标记以加速安置。
- 作者利用框架可解释性构建代理审计，将学到的规则与已发表临床文献对比，以标记有争议的决策模式。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。