論文の概要: Multicategory Angle-based Learning for Estimating Optimal Dynamic
Treatment Regimes with Censored Data
- arxiv url: http://arxiv.org/abs/2001.04629v1
- Date: Tue, 14 Jan 2020 05:19:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-11 13:19:11.867579
- Title: Multicategory Angle-based Learning for Estimating Optimal Dynamic
Treatment Regimes with Censored Data
- Title（参考訳）: 検閲データを用いた最適動的処理環境推定のためのマルチカテゴリアングル学習
- Authors: Fei Xue, Yanqing Zhang, Wenzhuo Zhou, Haoda Fu, Annie Qu
- Abstract要約: 最適な治療体制(DTR)は、長期的な利益を最大化するための一連の決定規則から構成される。
本稿では,マルチカテゴリ処理フレームワークを用いて,最適DTRをターゲットとした新しい角度ベースアプローチを提案する。
本稿では,条件付き生存関数の最大化の観点から,提案手法が競合手法より優れていることを示す。
- 参考スコア（独自算出の注目度）: 12.499787110182632
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: An optimal dynamic treatment regime (DTR) consists of a sequence of decision
rules in maximizing long-term benefits, which is applicable for chronic
diseases such as HIV infection or cancer. In this paper, we develop a novel
angle-based approach to search the optimal DTR under a multicategory treatment
framework for survival data. The proposed method targets maximization the
conditional survival function of patients following a DTR. In contrast to most
existing approaches which are designed to maximize the expected survival time
under a binary treatment framework, the proposed method solves the
multicategory treatment problem given multiple stages for censored data.
Specifically, the proposed method obtains the optimal DTR via integrating
estimations of decision rules at multiple stages into a single multicategory
classification algorithm without imposing additional constraints, which is also
more computationally efficient and robust. In theory, we establish Fisher
consistency of the proposed method under regularity conditions. Our numerical
studies show that the proposed method outperforms competing methods in terms of
maximizing the conditional survival function. We apply the proposed method to
two real datasets: Framingham heart study data and acquired immunodeficiency
syndrome (AIDS) clinical data.
- Abstract（参考訳）: 最適な動的治療体制(DTR)は、HIV感染症やがんなどの慢性疾患に適用できる長期的利益を最大化する一連の決定規則からなる。
本稿では,生存データのための多カテゴリ処理フレームワークを用いて,最適なDTRを探索するための新しい角度ベースアプローチを開発する。
提案手法はDTR後の患者の条件生存機能を最大化する。
提案手法は,2次処理の枠組み下での生存時間を最大化するために設計された既存手法と対照的に,複数段階の検閲データに対するマルチカテゴリ処理問題を解く。
具体的には,複数の段階における決定規則の推定を,より計算効率が高く頑健な制約を課すことなく,単一のマルチカテゴリ分類アルゴリズムに統合することにより,最適DTRを得る。
理論上,正則性条件下で提案手法のフィッシャー整合性を確立する。
提案手法は条件付き生存関数の最大化の観点から競合する手法より優れていることを示す。
提案手法は,Framingham心筋データとAIDS(Imimdeficiency syndrome)の臨床データという2つの実データに適用した。
関連論文リスト
- Learning Robust Treatment Rules for Censored Data [14.95510487866686]
最適な治療規則を推定するための2つの基準を提案する。
既存の手法と比較して性能が向上した。
エイズの臨床データを用いた方法も提案した。
論文 参考訳（メタデータ） (2024-08-17T09:58:58Z) - Robust Learning for Optimal Dynamic Treatment Regimes with Observational Data [0.0]
本研究では,各段階における各個人に対する最適な治療課題を,個人の進化史に基づいて導くための最適動的治療体制(DTR)の統計的学習について検討する。
論文 参考訳（メタデータ） (2024-03-30T02:33:39Z) - Stage-Aware Learning for Dynamic Treatments [3.6923632650826486]
動的治療体制のための新しい個別化学習法を提案する。
観測軌道が最適処理と完全に一致しなければならないという制約を緩和することにより,本手法はIPWE法における試料効率と安定性を大幅に改善する。
論文 参考訳（メタデータ） (2023-10-30T06:35:31Z) - TCFimt: Temporal Counterfactual Forecasting from Individual Multiple
Treatment Perspective [50.675845725806724]
個別多面的治療の観点からの時間的対実予測の包括的枠組み(TCFimt)を提案する。
TCFimtは、選択と時間変化バイアスを軽減するためにSeq2seqフレームワークの逆タスクを構築し、比較学習ベースのブロックを設計し、混合処理効果を分離した主治療効果と因果相互作用に分解する。
提案手法は, 特定の治療法による今後の結果予測と, 最先端手法よりも最適な治療タイプとタイミングを選択する上で, 良好な性能を示す。
論文 参考訳（メタデータ） (2022-12-17T15:01:05Z) - Federated Offline Reinforcement Learning [55.326673977320574]
マルチサイトマルコフ決定プロセスモデルを提案する。
我々は,オフラインRLを対象とした最初のフェデレーション最適化アルゴリズムを設計する。
提案アルゴリズムでは,学習ポリシーの準最適性は,データが分散していないような速度に匹敵する,理論的保証を与える。
論文 参考訳（メタデータ） (2022-06-11T18:03:26Z) - Policy Learning for Optimal Individualized Dose Intervals [3.9801611649762263]
このような政策を推定する新しい手法を提案する。
推定された政策は一貫しており、そのリスクはルートnレートで最良クラスの政策に収束する。
論文 参考訳（メタデータ） (2022-02-24T17:59:20Z) - Improving Classification Model Performance on Chest X-Rays through Lung
Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。
提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文 参考訳（メタデータ） (2022-02-22T15:24:06Z) - Estimating Optimal Infinite Horizon Dynamic Treatment Regimes via
pT-Learning [2.0625936401496237]
モバイルヘルス(mHealth)技術の最近の進歩は、個人の健康状態を監視し、ジャスト・イン・タイムのパーソナライズされた介入を提供する効果的な方法を提供する。
mHealthテクノロジーの実用化は、最適な動的治療体制を学習する上で、既存の方法論に固有の課題を提起する。
本稿では,決定論的とスパース政策モデルの間で適応的に調整された最適条件を推定する近時学習フレームワークを提案する。
論文 参考訳（メタデータ） (2021-10-20T18:38:22Z) - MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。
我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。
我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
論文 参考訳（メタデータ） (2020-10-08T15:30:17Z) - An Online Method for A Class of Distributionally Robust Optimization
with Non-Convex Objectives [54.29001037565384]
本稿では,オンライン分散ロバスト最適化(DRO)のクラスを解決するための実用的なオンライン手法を提案する。
本研究は,ネットワークの堅牢性向上のための機械学習における重要な応用を実証する。
論文 参考訳（メタデータ） (2020-06-17T20:19:25Z) - DTR Bandit: Learning to Make Response-Adaptive Decisions With Low Regret [59.81290762273153]
動的治療体制 (DTR) はパーソナライズされ適応された多段階の治療計画であり、治療決定を個人の初期特徴に適応させ、その後の各段階における中間結果と特徴に適応させる。
本稿では,探索と搾取を慎重にバランスさせることで,遷移モデルと報酬モデルが線形である場合に,速度-最適後悔を実現する新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-05-06T13:03:42Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。