論文の概要: Finding Regions of Heterogeneity in Decision-Making via Expected Conditional Covariance

• arxiv url: http://arxiv.org/abs/2110.14508v1
• Date: Wed, 27 Oct 2021 15:20:12 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-28 13:11:26.582116
• Title: Finding Regions of Heterogeneity in Decision-Making via Expected Conditional Covariance
• Title（参考訳）: 条件共分散による意思決定における不均一性の発見
• Authors: Justin Lim, Christina X Ji, Michael Oberst, Saul Blecker, Leora Horwitz, David Sontag
• Abstract要約: 本稿では,意思決定者間不一致度の高いコンテキストのタイプを同定するアルゴリズムを提案する。 我々はこれを因果推論問題として定式化し、意思決定者の委任が決定に因果関係に大きな影響を及ぼす地域を求める。 われわれのアルゴリズムを実世界の医療データセットに適用し、既存の臨床知識と整合した変動を回復する。
• 参考スコア（独自算出の注目度）: 3.9775905909091804
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Individuals often make different decisions when faced with the same context, due to personal preferences and background. For instance, judges may vary in their leniency towards certain drug-related offenses, and doctors may vary in their preference for how to start treatment for certain types of patients. With these examples in mind, we present an algorithm for identifying types of contexts (e.g., types of cases or patients) with high inter-decision-maker disagreement. We formalize this as a causal inference problem, seeking a region where the assignment of decision-maker has a large causal effect on the decision. Our algorithm finds such a region by maximizing an empirical objective, and we give a generalization bound for its performance. In a semi-synthetic experiment, we show that our algorithm recovers the correct region of heterogeneity accurately compared to baselines. Finally, we apply our algorithm to real-world healthcare datasets, recovering variation that aligns with existing clinical knowledge.
• Abstract（参考訳）: 個人はしばしば、個人の好みや背景から、同じコンテキストに直面して異なる決定をする。 例えば、裁判官は特定の薬物関連犯罪に対して寛大さが異なる場合があり、医師は特定の種類の患者に対する治療を開始する方法の好みが異なる場合があります。 これらの例を念頭に置いて,意思決定間不一致の高いコンテキストの種類(症例の種類や患者など)を識別するアルゴリズムを提案する。 我々はこれを因果推論問題として定式化し、意思決定者の委任が決定に因果関係に大きな影響を及ぼす地域を求める。 本アルゴリズムは経験的目的を最大化することでそのような領域を見つけ,その性能を一般化する。 半合成実験では,本アルゴリズムがベースラインに対して正確に不均質な領域を回復することを示す。 最後に、我々のアルゴリズムを実世界の医療データセットに適用し、既存の臨床知識と一致する変動を回復する。

関連論文リスト

• A Textbook Remedy for Domain Shifts: Knowledge Priors for Medical Image Analysis [48.84443450990355]
  ディープネットワークは、医学的なスキャンに適用すると、例外のない状況で失敗することが多いため、自然画像の解析において広く成功している。 胸部X線や皮膚病変画像の文脈において、異なる病院から採取したデータや、性別、人種などの人口統計学的変数によって構築されたデータなど、ドメインシフトに対するモデル感度に焦点をあてる。 医学教育からインスピレーションを得て,自然言語で伝達される明示的な医学知識を基盤としたディープネットワークを提案する。
  論文  参考訳（メタデータ） (2024-05-23T17:55:02Z)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• QUIZ: An Arbitrary Volumetric Point Matching Method for Medical Image Registration [10.788848900099385]
  クエリポイントキッザ(QUIZ)という,任意の利害関係のボクセル点に基づく医用画像登録手法を提案する。 本研究は, 頸部がん患者の大変形データセットを用いて本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2023-09-30T08:13:40Z)
• Finding Counterfactually Optimal Action Sequences in Continuous State Spaces [22.84932480886562]
  有限水平マルコフ決定過程を用いた離散的な行動と連続状態の列を記述する。 次に,環境のダイナミクスの連続性に基づく探索手法を開発する。 提案手法は実際は非常に効率的であり, 逐次意思決定タスクに興味深い洞察を与える可能性がある。
  論文  参考訳（メタデータ） (2023-06-06T18:00:29Z)
• Explaining medical AI performance disparities across sites with confounder Shapley value analysis [8.785345834486057]
  マルチサイト評価は、このような格差を診断する鍵となる。 本フレームワークは,各種類のバイアスが全体の性能差に与える影響を定量化する手法を提供する。 本研究は, 深部学習モデルを用いて気胸の有無を検知し, その有用性を実証するものである。
  論文  参考訳（メタデータ） (2021-11-12T18:54:10Z)
• The Medkit-Learn(ing) Environment: Medical Decision Modelling through Simulation [81.72197368690031]
  医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。 Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
  論文  参考訳（メタデータ） (2021-06-08T10:38:09Z)
• A Twin Neural Model for Uplift [59.38563723706796]
  Upliftは条件付き治療効果モデリングの特定のケースです。 相対リスクのベイズ解釈との関連性を利用して定義した新たな損失関数を提案する。 本提案手法は,シミュレーション設定の最先端と大規模ランダム化実験による実データとの競合性を示す。
  論文  参考訳（メタデータ） (2021-05-11T16:02:39Z)
• 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)
• Generalization Bounds and Representation Learning for Estimation of Potential Outcomes and Causal Effects [61.03579766573421]
  代替薬に対する患者一人の反応など,個人レベルの因果効果の推定について検討した。 我々は,表現の誘導的処理群距離を正規化することにより,境界を最小化する表現学習アルゴリズムを考案した。 これらのアルゴリズムを拡張して、重み付き表現を同時に学習し、治療群距離をさらに削減する。
  論文  参考訳（メタデータ） (2020-01-21T10:16:33Z)
• Learning Overlapping Representations for the Estimation of Individualized Treatment Effects [97.42686600929211]
  観測データから代替案の可能性を推定することは難しい問題である。 入力のドメイン不変表現を学習するアルゴリズムは、しばしば不適切であることを示す。 我々は,様々なベンチマークデータセットの最先端性を大幅に向上させる,ディープカーネル回帰アルゴリズムと後続正規化フレームワークを開発した。
  論文  参考訳（メタデータ） (2020-01-14T12:56:29Z)

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。