# Przenoszenie modeli między szpitalami i ukryte skróty

EN: **Cross-site generalisation and shortcut learning in medical AI** · id `crosssiteshift` · aliases: dataset shift in healthcare, shortcut learning, hospital shift, external validity, uogólnianie między szpitalami

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [AI w medycynie i ochronie zdrowia](https://aiatlasgraph.com/t/healthai.md) › [Walidacja kliniczna i dopuszczenie do użytku](https://aiatlasgraph.com/t/clinicalvalidation.md) › Przenoszenie modeli między szpitalami i ukryte skróty

## Description

- PL: Spadek jakości modeli medycznych po zmianie ośrodka, sprzętu lub populacji, wynikający z przesunięcia rozkładu i uczenia się skrótów (czynników zakłócających).
- EN: Loss of medical model performance when the site, equipment or population changes, due to distribution shift and shortcut learning (confounders).

## In one sentence

- PL: Model uczony w jednym szpitalu często działa gorzej w innym, bo nauczył się cech tamtego miejsca zamiast samej choroby.
- EN: A model trained in one hospital often works worse in another because it learned that place's quirks rather than the disease.

## Problem it solves

- PL: Szpital kupuje program o świetnych wynikach, a na jego pacjentach i sprzęcie skuteczność wyraźnie spada, choć nikt tego nie zauważa.
- EN: A hospital buys software with great results, but on its own patients and equipment accuracy drops noticeably, and nobody notices.

## What it does

- PL: Jak uczeń, który zapamiętał, że trudne zadania są zawsze na czerwonym papierze: na nowym egzaminie ta sztuczka przestaje działać.
- EN: Like a pupil who learned that hard questions are always on red paper: on a new exam the trick stops working.

## Everyday example

- PL: Model do zdjęć płuc po drobnych oznaczeniach na obrazie rozpoznaje, z którego szpitala ono pochodzi, i z tego zgaduje chorobę; gdzie indziej przestaje trafiać.
- EN: A chest-image model recognises from small marks on the picture which hospital it came from and guesses the disease from that; elsewhere it stops working.

## This concerns you if you…

- PL: wdrażasz model z innego ośrodka
- PL: porównujesz wyniki z artykułu z własną praktyką
- EN: deploy a model built at another centre
- EN: compare a paper's results with your own practice

## Keywords

dataset shift · shortcut learning · external validation · domain generalization · hidden stratification · harmonization · site effects · subgroup analysis

## How it works

- PL: Źródłem przesunięcia są inne aparaty i protokoły, populacja pacjentów, częstość choroby i praktyka kliniczna. Sieci potrafią rozpoznać szpital po samym zdjęciu i użyć tego jako skrótu. Przeciwdziała się walidacją zewnętrzną w wielu ośrodkach, wynikami w podgrupach, augmentacją, harmonizacją danych i monitoringiem po wdrożeniu.
- EN: Shift comes from different scanners and protocols, patient populations, disease prevalence and clinical practice. Networks can identify the hospital from the image alone and use it as a shortcut. Countermeasures include multi-site external validation, subgroup reporting, augmentation, data harmonisation and post-deployment monitoring.

## Limits

- PL: Żadna metoda nie gwarantuje działania w nieznanym ośrodku. Wykrycie skrótów wymaga analizy błędów i wiedzy klinicznej. Lokalne dostrajanie poprawia wynik, ale wymaga danych, etykiet i ponownej oceny.
- EN: No method guarantees performance at an unseen site. Finding shortcuts takes error analysis and clinical knowledge. Local fine-tuning helps but needs data, labels and re-evaluation.

## Key terms

- PL: **przesunięcie rozkładu**: Dane w użyciu różnią się od danych treningowych.
- PL: **uczenie się skrótów**: Model opiera decyzję na przypadkowej cesze zamiast na właściwym sygnale.
- PL: **czynnik zakłócający**: Cecha związana i z danymi, i z wynikiem, która myli model.
- EN: **distribution shift**: Data in use differ from the training data.
- EN: **shortcut learning**: The model relies on an incidental cue instead of the real signal.
- EN: **confounder**: A factor linked to both the input and the outcome that misleads the model.

## Know first

- [Wykrywanie dryfu danych i pojęć (Data and concept drift detection)](https://aiatlasgraph.com/t/driftdetection.md)
- [Wykrywanie przykładów spoza rozkładu (OOD) (Out-of-distribution detection)](https://aiatlasgraph.com/t/ooddetection.md)

## Related topics

Untyped, symmetric "see also" links.

- [Metryki sprawiedliwości grupowej (Group fairness metrics)](https://aiatlasgraph.com/t/fairnessmetrics.md)
- [Nadzór nad modelem po wdrożeniu w szpitalu (Post-deployment monitoring of clinical AI)](https://aiatlasgraph.com/t/postdeploymonitoring.md)
- [Przenoszenie diagnostyki na inne maszyny i warunki pracy (Cross-domain transfer learning for machine fault diagnosis)](https://aiatlasgraph.com/t/crossdomainfault.md)
- [Strategie podziału: losowy, czasowy, grupowy (Split strategies: random, temporal, grouped)](https://aiatlasgraph.com/t/splitstrategies.md)

## Sources

- [Confounding variables can degrade generalization performance of radiological deep learning models](<https://arxiv.org/abs/1807.00431>) `zech-2018` · by John R. Zech, Marcus A. Badgeley, Manway Liu, Anthony B. Costa, Joseph J. Titano, Eric K. Oermann

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/crosssiteshift · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30