公共卫生与医疗运营
突破级
暂无讲解视频
收录解读
这篇论文抓住了 clinical AI 一个非常现实、也非常容易被忽略的系统矛盾：患者要求删除病历时，模型执行 machine unlearning 可能会改变对不同亚群体的认识，从而破坏公平性。它真正贡献的是把 ‘right to be forgotten’ 和 ‘fairness’ 的冲突正式化。
方法上，它不是泛泛讨论伦理，而是提出 fair unlearning strategy，并用梯度正交化去避免遗忘目标和公平目标彼此直接干扰。这让它更像一个可复用的高风险部署接口，而不是单次医疗公平 case study。
它值得正式收录，因为任何处理长期记录、合规删除和高风险决策的 AI 系统都可能遇到类似张力。虽然论文落点在 clinical AI，但这里暴露的是更一般的 deployment-time governance primitive。
它没有更高，是因为当前证据主要集中在多医院临床预测任务。它对更广金融、公共治理或企业合规系统的迁移性很合理，但还缺直接验证。