論文の概要: Penalties and Rewards for Fair Learning in Paired Kidney Exchange Programs

• arxiv url: http://arxiv.org/abs/2309.13421v1
• Date: Sat, 23 Sep 2023 16:25:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-26 19:51:32.155694
• Title: Penalties and Rewards for Fair Learning in Paired Kidney Exchange Programs
• Title（参考訳）: Paired Kidney Exchange Programにおける公正学習の罰則と償還
• Authors: Margarida Carvalho and Alison Caulfield and Yi Lin and Adrian Vetta
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 4.963350442999301
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: A kidney exchange program, also called a kidney paired donation program, can be viewed as a repeated, dynamic trading and allocation mechanism. This suggests that a dynamic algorithm for transplant exchange selection may have superior performance in comparison to the repeated use of a static algorithm. We confirm this hypothesis using a full scale simulation of the Canadian Kidney Paired Donation Program: learning algorithms, that attempt to learn optimal patient-donor weights in advance via dynamic simulations, do lead to improved outcomes. Specifically, our learning algorithms, designed with the objective of fairness (that is, equity in terms of transplant accessibility across cPRA groups), also lead to an increased number of transplants and shorter average waiting times. Indeed, our highest performing learning algorithm improves egalitarian fairness by 10% whilst also increasing the number of transplants by 6% and decreasing waiting times by 24%. However, our main result is much more surprising. We find that the most critical factor in determining the performance of a kidney exchange program is not the judicious assignment of positive weights (rewards) to patient-donor pairs. Rather, the key factor in increasing the number of transplants, decreasing waiting times and improving group fairness is the judicious assignment of a negative weight (penalty) to the small number of non-directed donors in the kidney exchange program.
• Abstract（参考訳）: 腎臓交換プログラム(neil paired donation program とも呼ばれる)は、反復的かつ動的な取引と配分のメカニズムと見なすことができる。 このことは, 静的アルゴリズムの繰り返し使用と比較して, 移植交換選択のための動的アルゴリズムが優れた性能を持つ可能性が示唆された。 この仮説をカナダ腎臓対献金プログラムのフルスケールシミュレーションを用いて検証した。学習アルゴリズムは、動的シミュレーションによって最適な患者対体重を事前に学習し、結果を改善する。 具体的には、公平性(すなわち、cPRAグループ間の移植アクセシビリティの面での公平性)を目標として設計された学習アルゴリズムは、移植回数の増加と平均待ち時間の短縮につながる。 実際、当社の最高性能学習アルゴリズムは、Egalitarian Fairnessを10%改善する一方、移植回数は6%増加し、待ち時間は24%減少する。 しかし、私たちの主な結果はもっと驚きです。 腎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(後向き)の公平な割り当てではない。 むしろ、移植数を増加させ、待ち時間を短縮し、グループの公平性を改善する上で重要な要因は、腎臓交換プログラムにおいて少数の非向ドナーに負の重量(ペナルティ)を割り当てることである。

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)
• Learning Social Fairness Preferences from Non-Expert Stakeholder Opinions in Kidney Placement [0.0]
  現代の腎臓の配置には、訓練データから受け継がれたバイアスによる社会的差別を示すいくつかのインテリジェントなレコメンデーションシステムが含まれている。 本報告では,腎-マッチペアにおける腎臓の受容率を予測する受入率予測器(ARP)を評価するために,新しいフェアネスフィードバックサーベイを設計する。 新たなロジットに基づくフェアネスフィードバックモデルを用いて,社会フィードバックの最小化に基づく,新たな社会的フェアネス選好学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-04-04T20:44:56Z)
• A Transformer-Based Deep Learning Approach for Fairly Predicting Post-Liver Transplant Risk Factors [19.00784227522497]
  肝移植は、末期肝疾患患者の救命法である。 現在のスコアシステムは、90日以内に臓器を受け取らなければ患者の死亡リスクを評価する。 心血管疾患や慢性拒絶などの移植後リスク因子は移植後の合併症である。
  論文  参考訳（メタデータ） (2023-04-05T22:54:26Z)
• The Cascaded Forward Algorithm for Neural Network Training [61.06444586991505]
  本稿では,ニューラルネットワークのための新しい学習フレームワークであるCascaded Forward(CaFo)アルゴリズムを提案する。 FFとは異なり、我々のフレームワークは各カスケードブロックのラベル分布を直接出力する。 我々のフレームワークでは、各ブロックは独立して訓練できるので、並列加速度システムに容易に展開できる。
  論文  参考訳（メタデータ） (2023-03-17T02:01:11Z)
• Fairly Predicting Graft Failure in Liver Transplant for Organ Assigning [61.30094367351618]
  肝移植は肝疾患に対して必要不可欠な治療法である。 機械学習モデルは不公平であり、特定のグループに対する偏見を引き起こす可能性がある。 本研究は,肝移植における移植不全予測を目的とした,公正な機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-18T18:24:58Z)
• Predicting Kidney Transplant Survival using Multiple Feature Representations for HLAs [5.081264894734788]
  本稿では,HLA情報を機械学習に基づく生存分析アルゴリズムに組み込む生体関連特徴表現を提案する。 提案したHLAの特徴表現を10万以上の移植のデータベースで評価し,予測精度を約1%向上させた。
  論文  参考訳（メタデータ） (2021-03-04T20:22:47Z)
• 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)
• A predictive model for kidney transplant graft survival using machine learning [1.514049362441354]
  機械学習手法は、移植結果の予測を改善し、意思決定を助ける。 一般的な木ベースの機械学習手法であるランダムフォレストをトレーニングし,評価した。 ランダムフォレストはリスク指数よりも成功し、長期生存できる移植を予測した。
  論文  参考訳（メタデータ） (2020-12-07T15:29:51Z)
• 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)
• 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)
• Automatic Data Augmentation via Deep Reinforcement Learning for Effective Kidney Tumor Segmentation [57.78765460295249]
  医用画像セグメンテーションのための新しい学習ベースデータ拡張法を開発した。 本手法では,データ拡張モジュールと後続のセグメンテーションモジュールをエンドツーエンドのトレーニング方法で一貫した損失と,革新的に組み合わせる。 提案法の有効性を検証したCT腎腫瘍分節法について,本法を広範囲に評価した。
  論文  参考訳（メタデータ） (2020-02-22T14:10:13Z)

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。