表现相当，但并非更优：基于六个临床数据集并经等效性检验的量子机器学习基准评测与 QML-Health-READY 报告框架

arXiv:2611.05442v1 公告类型：新论文 摘要：背景：量子机器学习（QML）被推广用于临床预测，但与经典模型的比较很少采用配对设计或进行等效性检验。方法：我们在六个公开临床数据集上，将量子核支持向量机（QSVM；4 个量子比特，带宽经过调优）和变分量子分类器（VQC）与五种经过调优的经典模型进行了比较。所有模型均使用相同的四分量输入和 25 次交叉验证划分。采用校正重采样 t 检验、经 Holm 校正的等效性检验（界值：±0.02 和 ±0.05）及随机效应汇总分析，评估配对 AUROC 差异。开展了消融、噪声、有限测量次数和实现故障分析。我们提出了涵盖八个领域的报告框架 QML-Health-READY。结果：两种量子模型均未显著优于任何经典对照模型。跨数据集汇总后，QSVM 与核函数匹配的径向基函数（RBF）SVM 的 AUROC 差异为 -0.006（95% CI：-0.017 至 +0.004），在 ±0.02 的界值内达到等效。VQC 与最佳经典模型的差异为 -0.007（95% CI：-0.019 至 +0.004）。在六个数据集中的四个上，QSVM 与 RBF SVM 在 ±0.05 的界值内等效，但在 NHANES 2017-18 上显著劣于最佳经典模型（-0.076）。一种经典计算即可轻易实现的乘积态核，表现与纠缠核相当。在存在去极化噪声（p = 0.01）且每个核矩阵元素进行 1,024 次测量时，QSVM 的 AUROC 下降了 0.054（95% CI：0.036 至 0.071）。未经调优的带宽使 AUROC 接近随机猜测水平（0.48–0.59）。结论：配置正确的量子分类器接近但未超越经过调优的经典模型。有限测量次数估计而非量子门噪声是其主要实际成本，而配置错误可能逆转结论。QML-Health-READY 明确了支撑可信结论所需的报告要求。