مفارقة الدقة: كيف تؤثر عتبات القرار الافتراضية على توقعات إنزيمات اللجنة المتعددة؟

في عالم البيولوجيا الحسابية، يعتمد التنبؤ برقم إنزيم اللجنة (EC) بشكل كبير على أنظمة التعلم الآلي. لكن ما قد يبدو كدقة عالية، يخفي وراءه مفارقة مقلقة تؤثر على الكثير من قرارات البحث. في دراسة حديثة، وجد فريق الباحثين أن أنظمة التعلم المتعددة التصنيفات، والتي تستخدم عتبات قرار افتراضية تساوي 0.50، تعاني من مشاكل كبيرة في دقة التوقع.

تتعلق هذه الدراسة ببيانات مُعلمة تتضمن 14,096 مركبًا، مصنفة ضمن ست فئات رئيسية (EC1-EC6). على الرغم من أن النظام حقق دقة متوسطة تصل إلى 77.16%، إلا أن معدل F1 (0.3976) والاسترجاع (Recall) (0.3872) يعكسان انهيارًا حادًا في القدرة التنبؤية.

تشير التحليلات إلى أن الفئات الرئيسية تواجه مشاكل مثل فرط الحساسية والتنبؤ الزائد، في حين أن الفئات الأقل تمثل تحديات كبيرة للاسترجاع، مما يؤدي إلى انهيار كامل لعتبة القرار لفئة EC6. وللأسف، وبالرغم من القوة التمييزية الجيدة للنموذج (ROC-AUC = 0.5857)، فإن الدقة الحقيقية يتم إخفاؤها.

تظهر هذه الدراسة أن التقييم الذاتي القياسي يُخفي الأخطاء الحرجة في سير العمل البيوانفورماتيكي، مما يستدعي الحاجة الملحة إلى تحسين عتبات محددة للأهداف وضمانات معالجة آمنة مفتوحة المصدر لضمان موثوقية أنظمة التعلم الآلي المتقدمة.