Target leakage, not model class, explains reported accuracy in survey-based cardiovascular screening: a leakage-tiered audit of glass-box and tabular foundation models

調査に基づく心血管スクリーニングモデルの報告精度（AUROC約0.89）が、学習によるものかターゲットリーケージによるものかを検証。タブレット型基礎モデルが結果を変えるか、デプロイに必要な特性が共存するかを調査。線形、ツリーアンサンブル、ニューラル、ガラスボックス、タブレット型基礎モデルを含む10の分類器をベンチマークし、ターゲットリーケージの役割を明らかにする。

• 心血管疾患スクリーニングモデルの報告精度は、学習ではなくターゲットリーケージによる可能性が高い。
• 2つの診断後特徴を除外しただけで、全モデルのAUROCが0.049-0.051低下した。
• ガラスボックスモデル(Explainable Boosting Machine)は、他のモデルと同等以上の性能を、約104倍高速に達成した。
• 透明性の向上は、公平性の改善や不確実性の調整を可能にし、評価実践がモデル能力の制約となることを示唆している。