論文の概要: Adapting a Kidney Exchange Algorithm to Align with Human Values

• arxiv url: http://arxiv.org/abs/2005.09755v1
• Date: Tue, 19 May 2020 21:00:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-01 14:07:47.793592
• Title: Adapting a Kidney Exchange Algorithm to Align with Human Values
• Title（参考訳）: 腎臓交換アルゴリズムのヒト値への適応
• Authors: Rachel Freedman, Jana Schaich Borg, Walter Sinnott-Armstrong, John P. Dickerson, Vincent Conitzer
• Abstract要約: 腎臓交換における個人プロファイルの重み付けをエンドツーエンドに推定する手法を提案する。 これらの重量を腎臓交換市場浄化アルゴリズムでどのように使うかを示す。
• 参考スコア（独自算出の注目度）: 59.395925461012126
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The efficient and fair allocation of limited resources is a classical problem in economics and computer science. In kidney exchanges, a central market maker allocates living kidney donors to patients in need of an organ. Patients and donors in kidney exchanges are prioritized using ad-hoc weights decided on by committee and then fed into an allocation algorithm that determines who gets what--and who does not. In this paper, we provide an end-to-end methodology for estimating weights of individual participant profiles in a kidney exchange. We first elicit from human subjects a list of patient attributes they consider acceptable for the purpose of prioritizing patients (e.g., medical characteristics, lifestyle choices, and so on). Then, we ask subjects comparison queries between patient profiles and estimate weights in a principled way from their responses. We show how to use these weights in kidney exchange market clearing algorithms. We then evaluate the impact of the weights in simulations and find that the precise numerical values of the weights we computed matter little, other than the ordering of profiles that they imply. However, compared to not prioritizing patients at all, there is a significant effect, with certain classes of patients being (de)prioritized based on the human-elicited value judgments.
• Abstract（参考訳）: 限られた資源を効率よく公平に割り当てることは、経済学と計算機科学における古典的な問題である。 腎臓交換では、中央市場メーカーが臓器を必要とする患者に生きた腎臓ドナーを割り当てる。 腎臓交換の患者とドナーは、委員会によって決められたアドホックウェイトを使用して優先順位付けされ、誰が何を得るかを決定するアルゴリズムに供給される。 本稿では,腎臓交換における個人プロファイルの重量推定のためのエンドツーエンド手法を提案する。 まず、患者を優先する目的(例えば、医療的特徴、ライフスタイルの選択など)に許容されると思われる患者の属性のリストを被験者から導き出した。 そこで我々は,患者プロファイル間の比較クエリと,その応答から推定重量を原則的に求める。 腎交換市場清算アルゴリズムにおけるこれらの重みの使用方法を示す。 次に,シミュレーションにおける重みの影響を評価し,計算した重みの正確な数値が,それらが意味するプロファイルの順序以外のほとんどないことを見出す。 しかし、患者を優先順位付けしていない場合に比べ、特定の患者は人為的価値判断に基づいて優先順位付けされる(de)ため、有意な効果がある。

関連論文リスト

• Optimizing Hard-to-Place Kidney Allocation: A Machine Learning Approach to Center Ranking [0.4893345190925178]
  そこで本稿では, 中心に腎を配置するデータ駆動型機械学習によるランキングシステムを提案する。 本実験により, 提案方針は, 全腎臓に4倍, 固着腎臓に10倍のセンター数を減らした。
  論文  参考訳（メタデータ） (2024-10-10T17:15:41Z)
• Penalties and Rewards for Fair Learning in Paired Kidney Exchange Programs [4.963350442999301]
  腎臓交換プログラム(英: kidney exchange program)または腎臓対寄付プログラム(英: kidney paired donation program)は、反復的、ダイナミックな取引と割り当てのメカニズムであると見なすことができる。 カナダ・キドニー・ペアド・寄付計画(Canadian Kidney Paired Donation Program)のフルスケールシミュレーションを用いて,この仮説を確認した。 腎臓交換プログラムの性能を決定する上で最も重要な要因は、患者とドナーのペアに対する正の重み付け(逆戻り)を司法的に割り当てることではない。
  論文  参考訳（メタデータ） (2023-09-23T16:25:49Z)
• Edema Estimation From Facial Images Taken Before and After Dialysis via Contrastive Multi-Patient Pre-Training [3.8323580808203785]
  浮腫は腎臓病の一般的な症状であり、浮腫の定量的測定が望まれる。 腎不全患者の透析前後の顔画像から浮腫の程度を推定する方法を提案する。
  論文  参考訳（メタデータ） (2022-12-15T02:05:12Z)
• To Impute or not to Impute? -- Missing Data in Treatment Effect Estimation [84.76186111434818]
  我々は,MCM(Mixed Con founded missingness)と呼ばれる新しい欠損機構を同定し,ある欠損度が治療選択を判断し,他の欠損度が治療選択によって決定されることを示した。 本研究は,全てのデータを因果的に入力すると,不偏推定を行うために必要な情報を効果的に除去するので,処理効果のモデルが貧弱になることを示す。 私たちのソリューションは選択的計算であり、CMMからの洞察を使って、どの変数をインプットすべきで、どの変数をインプットすべきでないかを正確に知らせる。
  論文  参考訳（メタデータ） (2022-02-04T12:08:31Z)
• Optimal discharge of patients from intensive care via a data-driven policy learning framework [58.720142291102135]
  退院課題は、退院期間の短縮と退院決定後の退院や死亡のリスクとの不確実なトレードオフに対処することが重要である。 本研究は、このトレードオフを捉えるためのエンドツーエンドの汎用フレームワークを導入し、最適放電タイミング決定を推奨する。 データ駆動型アプローチは、患者の生理的状態を捉えた同種で離散的な状態空間表現を導出するために用いられる。
  論文  参考訳（メタデータ） (2021-12-17T04:39:33Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• Adaptively Weighted Top-N Recommendation for Organ Matching [5.585270308006354]
  臓器整合判定のための適応重み付きTop-Nレコメンデーション(AWTR)法を提案する。 AWTRは、過去のデータセットにおいて、限られた実際のマッチング性能を使用することで、現在のスコアリングモデルの性能を向上させる。 AWTRは、トップNマッチング患者の推奨とランキングの精度を強調することで、全体的なレコメンデーションの精度を犠牲にする。
  論文  参考訳（メタデータ） (2021-07-23T00:42:01Z)
• Learning $\mathbf{\mathit{Matching}}$ Representations for Individualized Organ Transplantation Allocation [98.43063331640538]
  臓器アロケーションと移植結果の観察データを用いて,臓器マッチングのためのデータ駆動型ルールの学習問題を定式化する。 本稿では,表現学習に基づくモデルを提案し,ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ド 本モデルは,ヒトの専門家が実施する最先端のアロケーション手法やポリシーより優れる。
  論文  参考訳（メタデータ） (2021-01-28T01:33:21Z)
• Improving Policy-Constrained Kidney Exchange via Pre-Screening [96.27605972266296]
  バーター交換は、様々な不確実性 - 受講者の嗜好、様々なスワップの実現可能性と品質など - の様々な形態に該当する。 私たちの仕事は、腎臓移植が必要な患者が、より良いマッチングを見つけるために、生きたドナーを交換する現実のバーターマーケットである、腎臓交換によって動機付けられています。 ドナー臓器が受給者の医療チームによって拒絶された場合、計画された移植は様々な理由で失敗することが多い。 ある米国拠点の取引所は、2019年に計画された移植の約85%が失敗したと推計している。
  論文  参考訳（メタデータ） (2020-10-22T21:07:36Z)
• Aligning with Heterogeneous Preferences for Kidney Exchange [7.858296711223292]
  不均一な道徳的嗜好に基づいて患者を優先する手法を提案する。 本手法は, サンプル選好順序における一致患者の平均ランクを上昇させ, グループ選好の満足度の向上を示唆する。
  論文  参考訳（メタデータ） (2020-06-16T21:16:53Z)

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。