論文の概要: Adaptively Weighted Top-N Recommendation for Organ Matching
- arxiv url: http://arxiv.org/abs/2107.10971v1
- Date: Fri, 23 Jul 2021 00:42:01 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-26 14:14:33.966091
- Title: Adaptively Weighted Top-N Recommendation for Organ Matching
- Title(参考訳): 臓器マッチングのための適応重み付きトップN勧告
- Authors: Parshin Shojaee, Xiaoyu Chen and Ran Jin
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 5.585270308006354
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reducing the shortage of organ donations to meet the demands of patients on
the waiting list has being a major challenge in organ transplantation. Because
of the shortage, organ matching decision is the most critical decision to
assign the limited viable organs to the most suitable patients. Currently,
organ matching decisions were only made by matching scores calculated via
scoring models, which are built by the first principles. However, these models
may disagree with the actual post-transplantation matching performance (e.g.,
patient's post-transplant quality of life (QoL) or graft failure measurements).
In this paper, we formulate the organ matching decision-making as a top-N
recommendation problem and propose an Adaptively Weighted Top-N Recommendation
(AWTR) method. AWTR improves performance of the current scoring models by using
limited actual matching performance in historical data set as well as the
collected covariates from organ donors and patients. AWTR sacrifices the
overall recommendation accuracy by emphasizing the recommendation and ranking
accuracy for top-N matched patients. The proposed method is validated in a
simulation study, where KAS [60] is used to simulate the organ-patient
recommendation response. The results show that our proposed method outperforms
seven state-of-the-art top-N recommendation benchmark methods.
- Abstract(参考訳): 臓器移植では,待ち行列の患者のニーズを満たすための臓器提供の不足が大きな課題となっている。
この不足のため、臓器マッチングの決定は、最も適切な患者に限られた臓器を割り当てる最も重要な決定である。
現在、オルガンマッチングの決定は、最初の原則によって構築されたスコアモデルによって計算されたスコアのマッチングによってのみ行われています。
しかし、これらのモデルは移植後マッチングのパフォーマンス(例えば、患者の移植後品質(QoL)や移植後の故障測定など)に矛盾する可能性がある。
本稿では,臓器マッチング決定をトップNレコメンデーション問題として定式化し,適応重み付きトップNレコメンデーション(AWTR)法を提案する。
AWTRは,臓器提供者や患者からの収集した共変量だけでなく,過去のデータセットにおける実際のマッチング性能の制限を利用して,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精度を犠牲にする。
KAS[60]を用いて臓器-患者の推奨応答をシミュレートするシミュレーション実験で,本手法の有効性を検証した。
その結果,提案手法は,最先端の7つの提案手法よりも優れていることがわかった。
関連論文リスト
- Machine learning-based patient selection in an emergency department [0.0]
本稿では機械学習(ML)に基づく患者選択手法の可能性について検討する。
システムの包括的な状態表現と、複雑な非線形選択関数が組み込まれている。
その結果,提案手法は評価条件の大部分においてAPQ法よりも有意に優れていた。
論文 参考訳(メタデータ) (2022-06-08T08:56:52Z) - 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) - iPhantom: a framework for automated creation of individualized
computational phantoms and its application to CT organ dosimetry [58.943644554192936]
本研究の目的は、患者固有の幻覚やデジタル双眼鏡の自動作成のための新しいフレームワーク、iPhantomを開発し、検証することである。
この枠組みは、個々の患者のCT画像における放射線感受性臓器への放射線線量を評価するために応用される。
iPhantomは、アンカーオルガンのDice similarity Coefficients (DSC) >0.6の精度で全ての臓器の位置を正確に予測し、他のオルガンのDSCは0.3-0.9である。
論文 参考訳(メタデータ) (2020-08-20T01:50:49Z) - 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) - Adapting a Kidney Exchange Algorithm to Align with Human Values [59.395925461012126]
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。
論文 参考訳(メタデータ) (2020-05-19T21:00:29Z) - 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) - Noisy Adaptive Group Testing using Bayesian Sequential Experimental
Design [63.48989885374238]
病気の感染頻度が低い場合、Dorfman氏は80年前に、人のテストグループは個人でテストするよりも効率が良いことを示した。
本研究の目的は,ノイズの多い環境で動作可能な新しいグループテストアルゴリズムを提案することである。
論文 参考訳(メタデータ) (2020-04-26T23:41:33Z) - Learning Decision Ensemble using a Graph Neural Network for Comorbidity
Aware Chest Radiograph Screening [4.9178119168798045]
機械学習に基づく自動化ソリューションは、放射線科医の定期的なスクリーニングの負担を軽減するために開発されている。
異なる疾患間の依存関係をモデル化するアンサンブル予測を得るために,グラフニューラルネットワーク(GNN)に基づくソリューションを提案する。
論文 参考訳(メタデータ) (2020-04-24T12:57:50Z) - Optimization of Genomic Classifiers for Clinical Deployment: Evaluation
of Bayesian Optimization to Select Predictive Models of Acute Infection and
In-Hospital Mortality [0.0]
血液から特定の遺伝子の発現レベルを定量化することにより、患者の免疫反応を特徴づけることにより、両方のタスクを遂行する潜在的によりタイムリーで正確な手段を示す。
機械学習手法は、デプロイ対応の分類モデルの開発にこの‘ホスト応答’を活用するプラットフォームを提供する。
急性感染症の診断分類器の開発におけるHO法と29の診断マーカーの遺伝子発現による院内死亡率の比較を行った。
論文 参考訳(メタデータ) (2020-03-27T10:22:02Z) - DeepEnroll: Patient-Trial Matching with Deep Embedding and Entailment
Prediction [67.91606509226132]
臨床試験は医薬品開発に不可欠であるが、高価で不正確で不十分な患者募集に苦しむことが多い。
DeepEnrollは、入力基準(タブラリデータ)を一致する推論のための共有潜在空間に共同でエンコードする、クロスモーダル推論学習モデルである。
論文 参考訳(メタデータ) (2020-01-22T17:51:25Z)
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。