論文の概要: Uncertainty estimation for classification and risk prediction on medical
tabular data
- arxiv url: http://arxiv.org/abs/2004.05824v2
- Date: Sat, 23 May 2020 08:25:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-13 23:16:31.359387
- Title: Uncertainty estimation for classification and risk prediction on medical
tabular data
- Title(参考訳): 医療表データの分類とリスク予測の不確実性推定
- Authors: Lotta Meijerink, Giovanni Cin\`a, Michele Tonutti (Pacmed)
- Abstract要約: 本研究は,医療データの分類とリスク予測のための不確実性推定の理解を深めるものである。
医療などのデータ共有分野において、モデルの予測の不確実性を測定する能力は、意思決定支援ツールの改善につながる可能性がある。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In a data-scarce field such as healthcare, where models often deliver
predictions on patients with rare conditions, the ability to measure the
uncertainty of a model's prediction could potentially lead to improved
effectiveness of decision support tools and increased user trust. This work
advances the understanding of uncertainty estimation for classification and
risk prediction on medical tabular data, in a two-fold way. First, we expand
and refine the set of heuristics to select an uncertainty estimation technique,
introducing tests for clinically-relevant scenarios such as generalization to
uncommon pathologies, changes in clinical protocol and simulations of corrupted
data. We furthermore differentiate these heuristics depending on the clinical
use-case. Second, we observe that ensembles and related techniques perform
poorly when it comes to detecting out-of-domain examples, a critical task which
is carried out more successfully by auto-encoders. These remarks are enriched
by considerations of the interplay of uncertainty estimation with class
imbalance, post-modeling calibration and other modeling procedures. Our
findings are supported by an array of experiments on toy and real-world data.
- Abstract(参考訳): モデルがまれな状態の患者に予測を提供するヘルスケアのようなデータ収集分野において、モデルの予測の不確実性を測定する能力は、意思決定支援ツールの有効性向上とユーザー信頼の向上につながる可能性がある。
本研究は,医療用表データにおける分類の不確実性推定とリスク予測を2倍の方法で理解する。
まず,不確実性推定手法を選択するためのヒューリスティックスセットを拡張し,改良し,稀な病理の一般化や臨床プロトコルの変化,腐敗したデータのシミュレーションなど,臨床的に関連するシナリオに対するテストを導入する。
さらに臨床症例に応じてこれらのヒューリスティックスを区別する。
第2に,自動エンコーダによってよりうまく実行される重要な課題であるドメイン外サンプルの検出において,アンサンブルや関連技術が不十分であることを示す。
これらの発言は、クラス不均衡による不確実性推定の相互作用、モデリング後のキャリブレーション、その他のモデリング手順などを考慮することで強化される。
我々の研究結果は、おもちゃと現実世界のデータに関する一連の実験によって裏付けられている。
関連論文リスト
- Quantification of Predictive Uncertainty via Inference-Time Sampling [57.749601811982096]
本稿では,データあいまいさの予測不確実性を推定するためのポストホックサンプリング手法を提案する。
この方法は与えられた入力に対して異なる可算出力を生成することができ、予測分布のパラメトリック形式を仮定しない。
論文 参考訳(メタデータ) (2023-08-03T12:43:21Z) - Uncertainty estimation for out-of-distribution detection in
computational histopathology [0.0]
距離認識不確実性推定法は, 一般的に用いられている手法より優れていることを示す。
また,不確実性しきい値を用いた分布外サンプルの選択的予測も検討した。
論文 参考訳(メタデータ) (2022-10-18T14:49:44Z) - Uncertainty estimations methods for a deep learning model to aid in
clinical decision-making -- a clinician's perspective [0.0]
深層学習にインスパイアされた不確実性推定技術はいくつかあるが、医療データセットに実装されているものはほとんどない。
我々は,不確かさを推定するために,ドロップアウト変動推論(DO),テスト時間拡張(TTA),共形予測,単一決定論的手法を比較した。
臨床実習にモデルを組み込む前に,複数の推定手法を評価することが重要である。
論文 参考訳(メタデータ) (2022-10-02T17:54:54Z) - Boosting the interpretability of clinical risk scores with intervention
predictions [59.22442473992704]
本稿では、今後の介入に関するモデルの仮定を明確に伝達する手段として、介入政策と有害事象リスクの合同モデルを提案する。
死亡確率などの典型的なリスクスコアと将来の介入確率スコアとを組み合わせることで、より解釈可能な臨床予測がもたらされることを示す。
論文 参考訳(メタデータ) (2022-07-06T19:49:42Z) - Improving Trustworthiness of AI Disease Severity Rating in Medical
Imaging with Ordinal Conformal Prediction Sets [0.7734726150561088]
統計的に厳密な不確実性定量化の欠如は、AI結果の信頼を損なう重要な要因である。
分布自由不確実性定量化の最近の進歩は、これらの問題に対する実用的な解決策である。
本稿では, 正しい狭窄の重症度を含むことが保証される順序予測セットを形成する手法を実証する。
論文 参考訳(メタデータ) (2022-07-05T18:01:20Z) - Benchmarking Heterogeneous Treatment Effect Models through the Lens of
Interpretability [82.29775890542967]
治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。
ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。
我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
論文 参考訳(メタデータ) (2022-06-16T17:59:05Z) - Modeling Disagreement in Automatic Data Labelling for Semi-Supervised
Learning in Clinical Natural Language Processing [2.016042047576802]
放射線学報告における観測検出問題に応用した最先端の予測モデルからの不確実性推定の品質について検討する。
論文 参考訳(メタデータ) (2022-05-29T20:20:49Z) - Learning to Predict with Supporting Evidence: Applications to Clinical
Risk Prediction [9.199022926064009]
機械学習モデルがヘルスケアに与える影響は、医療専門家がこれらのモデルによって予測される信頼度に依存する。
予測が信頼されるべき理由に関するドメイン関連証拠を,臨床専門性のある人に提供するための方法を提示する。
論文 参考訳(メタデータ) (2021-03-04T00:26:32Z) - Clinical Outcome Prediction from Admission Notes using Self-Supervised
Knowledge Integration [55.88616573143478]
臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。
退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。
複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
論文 参考訳(メタデータ) (2021-02-08T10:26:44Z) - UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced
Data [81.00385374948125]
我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。
UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。
非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。
UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
論文 参考訳(メタデータ) (2020-10-22T02:28:11Z) - Performance metrics for intervention-triggering prediction models do not
reflect an expected reduction in outcomes from using the model [71.9860741092209]
臨床研究者はしばしばリスク予測モデルの中から選択し評価する。
振り返りデータから算出される標準メトリクスは、特定の仮定の下でのみモデルユーティリティに関係します。
予測が時間を通して繰り返し配信される場合、標準メトリクスとユーティリティの関係はさらに複雑になる。
論文 参考訳(メタデータ) (2020-06-02T16:26:49Z)
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。