ACM FAccT最近发表的一篇关于使用AUC ROC进行预测分析的文章存在技术性错误，重新定义了问题并讨论了如何在考虑这些问题的基础上继续使用AUC ROC。文章提出了多种度量标准的联合使用，并强调不应仅仅依赖AUC ROC。

本文介绍使用变分自编码器（VAE）检测皮肤病图像异常的潜力。作者使用深度生成模型训练只有正常数据的VAE，并在ISIC2018挑战疾病分类数据集上取得了0.779的AUCROC，证明该模型有效。同时，作者还尝试将该模型应用于检测黑色素瘤和色素性角化等具体疾病类型，取得了0.864和0.872的AUCROC。这是文献中首次尝试使用深度生成模型检测皮肤病图像异常。