論文の概要: Statistical Tests for Replacing Human Decision Makers with Algorithms

• arxiv url: http://arxiv.org/abs/2306.11689v1
• Date: Tue, 20 Jun 2023 17:09:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-21 13:28:05.128556
• Title: Statistical Tests for Replacing Human Decision Makers with Algorithms
• Title（参考訳）: 人間の意思決定者をアルゴリズムで置き換える統計的テスト
• Authors: Kai Feng, Han Hong, Ke Tang, Jingyuan Wang
• Abstract要約: 人間の意思決定者それぞれのパフォーマンスは、まず機械の予測に対してベンチマークされる。 そして、提案された人工知能アルゴリズムの推奨により、意思決定者のサブセットによる決定を置き換えます。 検査データセット上のアルゴリズムは,医師による診断よりも総合的な正の率と偽陽性の率が高いことが判明した。
• 参考スコア（独自算出の注目度）: 32.877314377522524
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper proposes a statistical framework with which artificial intelligence can improve human decision making. The performance of each human decision maker is first benchmarked against machine predictions; we then replace the decisions made by a subset of the decision makers with the recommendation from the proposed artificial intelligence algorithm. Using a large nationwide dataset of pregnancy outcomes and doctor diagnoses from prepregnancy checkups of reproductive age couples, we experimented with both a heuristic frequentist approach and a Bayesian posterior loss function approach with an application to abnormal birth detection. We find that our algorithm on a test dataset results in a higher overall true positive rate and a lower false positive rate than the diagnoses made by doctors only. We also find that the diagnoses of doctors from rural areas are more frequently replaceable, suggesting that artificial intelligence assisted decision making tends to improve precision more in less developed regions.
• Abstract（参考訳）: 本稿では,人工知能が人間の意思決定を改善するための統計的枠組みを提案する。 各人間の意思決定者のパフォーマンスはまず、機械の予測に対してベンチマークされ、次に、決定者のサブセットによる決定を、提案された人工知能アルゴリズムの推奨に置き換える。 妊婦の妊娠成績の大規模データセットと妊娠前診察から診断する医師データを用いて, 異常出生検出への応用として, ヒューリスティック・頻繁性アプローチとベイズ後方損失関数アプローチの両方を実験した。 テストデータセット上のアルゴリズムは、医師のみによる診断よりも、全体として真正率が高く、偽陽性率が低いことがわかりました。 また,農村部からの医師の診断は,より頻繁に置き換えられることが判明し,発達度の低い地域では,人工知能による意思決定によって精度が向上する傾向が示唆された。

関連論文リスト

• Two new feature selection methods based on learn-heuristic techniques for breast cancer prediction: A comprehensive analysis [6.796017024594715]
  帝国主義競争アルゴリズム(ICA)とバットアルゴリズム(BA)に基づく2つの新しい特徴選択法を提案する。 本研究は, 診断モデルの効率を向上し, 臨床医師がこれまでよりもはるかに正確かつ信頼性の高い意思決定を行えるよう包括的分析を行うことを目的とする。
  論文  参考訳（メタデータ） (2024-07-19T19:07:53Z)
• A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
  神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。 重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。 人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
  論文  参考訳（メタデータ） (2024-05-21T06:44:40Z)
• The Limits of Fair Medical Imaging AI In The Wild [43.97266228706059]
  医療用AIが人口統計エンコーディングをどのように利用するかを検討する。 医療画像AIは、疾患分類において、人口動態のショートカットを利用することを確認した。 人口統計属性のエンコーディングが少ないモデルは、しばしば「グローバルに最適」であることがわかった。
  論文  参考訳（メタデータ） (2023-12-11T18:59:50Z)
• Auditing for Human Expertise [12.967730957018688]
  我々は、この問題を自然仮説テストとして適用できる統計的枠組みを開発する。 本稿では,専門家の予測が興味ある結果から統計的に独立しているかどうかを判定する簡単な手順を提案する。 我々のテストの拒絶は、人間の専門家が利用可能なデータに基づいてトレーニングされたアルゴリズムに価値を付加する可能性を示唆している。
  論文  参考訳（メタデータ） (2023-06-02T16:15:24Z)
• An Improved Model Ensembled of Different Hyper-parameter Tuned Machine Learning Algorithms for Fetal Health Prediction [1.332560004325655]
  本研究では,胎児の健康状態を予測するために,Support Vector MachineとExtraTreesのアンサンブルと呼ばれる頑健なアンサンブルモデルを提案する。 提案したETSEモデルは、100%精度、100%リコール、100%F1スコア、99.66%精度で他のモデルより優れていた。
  論文  参考訳（メタデータ） (2023-05-26T16:40:44Z)
• Artificial Intelligence Model for Tumoral Clinical Decision Support Systems [0.0]
  脳腫瘍評価における比較診断は、新しい患者が評価された場合と同様の事例を比較するために、医療センターの利用可能な情報を使用することが可能である。 人工知能モデルを活用することで、提案システムは、与えられたクエリに対して最も類似した脳腫瘍を検索することができる。
  論文  参考訳（メタデータ） (2023-01-09T22:15:18Z)
• Post-hoc loss-calibration for Bayesian neural networks [25.05373000435213]
  本研究では, 近似的後続予測分布の補正手法を開発し, 高ユーティリティな意思決定を推奨する。 従来の研究とは対照的に、我々のアプローチは近似推論アルゴリズムの選択に非依存である。
  論文  参考訳（メタデータ） (2021-06-13T13:53:27Z)
• 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)
• Predicting Parkinson's Disease with Multimodal Irregularly Collected Longitudinal Smartphone Data [75.23250968928578]
  パーキンソン病は神経疾患であり、高齢者に多い。 伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。 そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-09-25T01:50:15Z)
• A Case for Humans-in-the-Loop: Decisions in the Presence of Erroneous Algorithmic Scores [85.12096045419686]
  本研究では,児童虐待のホットラインスクリーニング決定を支援するアルゴリズムツールの採用について検討した。 まず、ツールがデプロイされたときに人間が行動を変えることを示します。 表示されたスコアが誤ったリスク推定である場合、人間はマシンの推奨に従わない可能性が低いことを示す。
  論文  参考訳（メタデータ） (2020-02-19T07:27:32Z)

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。