医疗AI模型评估的权威指南：Lancet Digital Health评估套件实践解析

基于《柳叶刀·数字健康》2025年专家共识的临床预测模型评估工具，提供AUROC、校准曲线、决策曲线分析和风险分布四大核心评估维度，为研究者提供标准化、可复现的评估流程，助力医疗AI模型的临床实用性与可靠性验证。

人工智能在医疗领域应用加速，但传统机器学习评估指标（如准确率）在医疗场景中不足，需兼顾区分能力、校准性与临床实用性。2025年《柳叶刀·数字健康》发表STRATOS专家组综述，梳理临床预测模型评估最佳实践，本工具基于此构建标准化流程。

1. AUROC：衡量区分能力，能否正确排序患者，取值0.5-1.0，需注意对阈值不敏感；2. 校准曲线：评估预测概率与实际频率一致性，用loess曲线可视化，校准斜率接近1为佳；3. 决策曲线分析：判断模型是否改善临床决策，通过净收益对比“全部治疗/不治疗”策略；4. 风险分布：用小提琴图展示预测概率在不同结局组的分布，重叠越小区分能力越好。

快速上手：一行代码调用evaluate_model生成评估图表；交叉验证集成：保存各折叠预测结果后批量评估；高级功能：Nadeau-Bengio校正解决交叉验证方差低估问题，通过--bengio-correction启用。

适用场景：二元结局预测、临床展示、模型比较、学术发表；避免错误：只看AUROC忽略校准与决策曲线、忽略阈值选择、不进行统计校正、过度解读单折结果；扩展性：目前专注二元分类，多分类/生存分析需定制。

该评估套件基于权威指南，全面考察模型区分能力、校准性、临床实用性与风险分布，助力研究者理解模型优劣。标准化评估对患者安全、临床信任至关重要，随医疗AI监管完善，此类工具将成为研究者必备技能。