本文探讨了不确定性感知模型在高风险预测任务中的应用，提出了多种训练策略以量化预测的不确定性，从而提升临床决策支持的可靠性。研究显示，这些模型在心脏治疗和冠状动脉疾病诊断中表现优越，强调了医疗领域中性能指标的重要性。

本研究提出了一种新的方法，通过使用DXA扫描获取的VFA图像，将AAC量化为有序回归问题。研究使用了SCOL和DCOL框架，改善了特征可分离性和类别多样性。通过临床分析，该方法能够高灵敏度和高准确性地预测高风险的AAC类别。