論文の概要: Designing User-Centric Behavioral Interventions to Prevent Dysglycemia
with Novel Counterfactual Explanations
- arxiv url: http://arxiv.org/abs/2310.01684v1
- Date: Mon, 2 Oct 2023 22:42:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-04 18:28:55.675232
- Title: Designing User-Centric Behavioral Interventions to Prevent Dysglycemia
with Novel Counterfactual Explanations
- Title(参考訳): 新規非現実的説明による血糖予防のためのユーザ中心行動介入の設計
- Authors: Asiful Arefeen and Hassan Ghasemzadeh
- Abstract要約: GlyCoach はグルコース制御の逆作用を説明するためのフレームワークである。
GlyCoachは、もっともらしい説明のユーザの好みに関する事前知識を、対実生成のプロセスに統合する。
GlyCoachは、シミュレーション支援バリデーションにおいて87%の感度を実現し、カウンターファクトな説明を生成する最先端技術を上回っている。
- 参考スコア(独自算出の注目度): 10.062187787765149
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Maintaining normal blood glucose levels through lifestyle behaviors is
central to maintaining health and preventing disease. Frequent exposure to
dysglycemia (i.e., abnormal glucose events such as hyperlycemia and
hypoglycemia) leads to chronic complications including diabetes, kidney disease
and need for dialysis, myocardial infarction, stroke, amputation, and death.
Therefore, a tool capable of predicting dysglycemia and offering users
actionable feedback about how to make changes in their diet, exercise, and
medication to prevent abnormal glycemic events could have significant societal
impacts. Counterfactual explanations can provide insights into why a model made
a particular prediction by generating hypothetical instances that are similar
to the original input but lead to a different prediction outcome. Therefore,
counterfactuals can be viewed as a means to design AI-driven health
interventions to prevent adverse health outcomes such as dysglycemia. In this
paper, we design GlyCoach, a framework for generating counterfactual
explanations for glucose control. Leveraging insights from adversarial
learning, GlyCoach characterizes the decision boundary for high-dimensional
health data and performs a grid search to generate actionable interventions.
GlyCoach is unique in integrating prior knowledge about user preferences of
plausible explanations into the process of counterfactual generation. We
evaluate GlyCoach extensively using two real-world datasets and external
simulators from prior studies that predict glucose response. GlyCoach achieves
87\% sensitivity in the simulation-aided validation, surpassing the
state-of-the-art techniques for generating counterfactual explanations by at
least $10\%$. Besides, counterfactuals from GlyCoach exhibit a $32\%$ improved
normalized distance compared to previous research.
- Abstract(参考訳): 生活習慣を通じて正常な血糖値を維持することは、健康維持と疾患予防の中心である。
高血糖や低血糖などの異常なグルコースイベントに頻繁に曝露すると、糖尿病、腎臓病、透析、心筋梗塞、脳卒中、切断、死亡などの慢性合併症が引き起こされる。
したがって、血糖値の予測や、食事、運動、薬物の異常なグリセミックイベントを防止する方法に関するフィードバックをユーザに提供できるツールは、社会に大きな影響を与える可能性がある。
対実的な説明は、モデルが元の入力と似ているが異なる予測結果をもたらす仮説的なインスタンスを生成することによって、モデルが特定の予測を行った理由に関する洞察を与えることができる。
したがって、偽物は、高血糖などの有害な健康結果を防止するためにai主導の健康介入を設計する手段と見なすことができる。
本稿では,グルコース制御のための逆ファクトな説明を生成するフレームワークであるGlyCoachを設計する。
逆学習からの洞察を活用して、グリコーハは高次元の健康データに対する決定境界を特徴付け、グリッド検索を実行し、実行可能な介入を生成する。
GlyCoachは、もっともらしい説明のユーザの好みに関する事前知識を、対実生成のプロセスに統合することに特有である。
グルコース応答を予測した先行研究から, 2つの実世界のデータセットと外部シミュレータを用いてグリコーアを広範囲に評価した。
グリコーハはシミュレーション支援の検証において87\%の感度を達成し、偽の説明を少なくとも10\%$で生成する最先端の手法を上回っている。
さらに、GlyCoachのカウンターファクトリーは、従来の研究と比べて正常化距離が32.5%改善している。
関連論文リスト
- Catastrophic Overfitting: A Potential Blessing in Disguise [51.996943482875366]
FAT(Fast Adversarial Training)は、敵の堅牢性向上に効果があるとして、研究コミュニティ内で注目を集めている。
既存のFATアプローチではCOの緩和が進んでいるが, クリーンサンプルの分類精度が低下するにつれて, 対向ロバスト性の上昇が生じる。
クリーンな例と逆向きな例に特徴アクティベーションの相違を利用して,COの根本原因を分析した。
我々は, モデル性能を高めることを目的として, 「攻撃難読化」を実現するためにCOを活用する。
論文 参考訳(メタデータ) (2024-02-28T10:01:44Z) - Interpretable Mechanistic Representations for Meal-level Glycemic
Control in the Wild [10.240619571788786]
CGMと食事データの解釈可能な表現を学習するためのハイブリッド変分オートエンコーダを提案する。
本手法は, 力学微分方程式の入力に潜時空間を基底として, 生理的量に反映した埋め込みを生成する。
私たちの埋め込みは、ナイーブ、エキスパート、ブラックボックス、純粋なメカニスティックな特徴よりも最大4倍優れたクラスタを生成します。
論文 参考訳(メタデータ) (2023-12-06T08:36:23Z) - Automatic diagnosis of knee osteoarthritis severity using Swin
transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。
我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文 参考訳(メタデータ) (2023-07-10T09:49:30Z) - Learning Difference Equations with Structured Grammatical Evolution for
Postprandial Glycaemia Prediction [0.0]
グルコース予測は、糖尿病患者の治療において、食事後の危険な合併症を避けるために不可欠である。
ニューラルネットワークのような従来の手法は高い精度を示している。
本稿では,解釈可能性を重視した新しいグルコース予測法を提案する。
論文 参考訳(メタデータ) (2023-07-03T12:22:04Z) - Diffusion Theory as a Scalpel: Detecting and Purifying Poisonous
Dimensions in Pre-trained Language Models Caused by Backdoor or Bias [64.81358555107788]
事前訓練された言語モデル(PLM)は、微調整プロセス中に疑わしい攻撃者が注入したバックドアやバイアスによって有毒である可能性がある。
本研究では, 拡散理論を応用し, 微調整の動的過程を解明し, 潜在的有毒な次元を見つけるための微細浄化法を提案する。
我々の知識を最大限に活用するために、我々は安全・防衛目的の拡散理論によって導かれる力学を初めて研究する。
論文 参考訳(メタデータ) (2023-05-08T08:40:30Z) - Learning Absorption Rates in Glucose-Insulin Dynamics from Meal
Covariates [28.39179475412449]
食事の栄養素含量は吸収プロファイルに悪影響を及ぼすが、機械的にモデル化することは困難である。
ニューラルネットワークを用いて、個人のグルコース吸収率を予測する。
論文 参考訳(メタデータ) (2023-04-27T16:03:41Z) - Patterns Detection in Glucose Time Series by Domain Transformations and
Deep Learning [0.0]
本研究は,血糖値の今後の変動を予測することを目的としており,血糖値の低下が予想される可能性がある。
提案手法は, 有望な結果を得た4種類の糖尿病患者の実データを用いて検討した。
論文 参考訳(メタデータ) (2023-03-30T09:08:31Z) - Granger causal inference on DAGs identifies genomic loci regulating
transcription [77.58911272503771]
GrID-Netは、DBG構造化システムにおけるGranger因果推論のためのラタグメッセージパッシングを備えたグラフニューラルネットワークに基づくフレームワークである。
我々の応用は、特定の遺伝子の調節を仲介するゲノム座を同定する単一セルマルチモーダルデータの解析である。
論文 参考訳(メタデータ) (2022-10-18T21:15:10Z) - Deep Personalized Glucose Level Forecasting Using Attention-based
Recurrent Neural Networks [5.250950284616893]
本研究では,血糖予測の問題点について検討し,深いパーソナライズド・ソリューションを提供する。
データを解析し、重要なパターンを検出する。
実データセット上でモデルの有効性を実証的に示す。
論文 参考訳(メタデータ) (2021-06-02T01:36:53Z) - Robustness to Spurious Correlations via Human Annotations [100.63051542531171]
本稿では,人間に共通する因果関係の知識を活用して,素因関係に頑健なモデルを構築するための枠組みを提案する。
具体的には、人間のアノテーションを使用して、潜在的な未測定変数でトレーニング例を拡大する。
次に,未測定変数(UV-DRO)に対する分布性に頑健な新たな最適化手法を導入し,テスト時間シフトによる最悪の損失を制御する。
論文 参考訳(メタデータ) (2020-07-13T20:05:19Z) - Short Term Blood Glucose Prediction based on Continuous Glucose
Monitoring Data [53.01543207478818]
本研究では,デジタル意思決定支援ツールの入力として連続グルコースモニタリング(Continuous Glucose Monitoring, CGM)データを利用する方法について検討する。
短時間の血液グルコース (STBG) 予測において, リカレントニューラルネットワーク (Recurrent Neural Networks, RNN) をどのように利用できるかを検討する。
論文 参考訳(メタデータ) (2020-02-06T16:39:44Z)
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。