論文の概要: The Average Patient Fallacy

• arxiv url: http://arxiv.org/abs/2509.26474v1
• Date: Tue, 30 Sep 2025 16:24:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-01 14:45:00.201182
• Title: The Average Patient Fallacy
• Title（参考訳）: 平均的失業率
• Authors: Alaleh Azhir, Shawn N. Murphy, Hossein Estiri,
• Abstract要約: 医学における機械学習は、一般的に人口平均に最適化されている。この頻度に重み付けされたトレーニング特権は、一般的なプレゼンテーションを行い、稀だが臨床的に重要なケースを疎外する。これは、私たちが平均的な患者誤診と呼ぶ偏見である。 混合モデルでは、稀な症例からの勾配は有病率によって抑制され、精密医療と直接衝突する。 そこで我々は, 希少ケースパフォーマンスギャップ, 希少ケースエラー, 希少さの有病率定義, および倫理的優先事項を呈する臨床的に重み付けされた目標を提案する。
• 参考スコア（独自算出の注目度）: 3.5378234574623075
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Machine learning in medicine is typically optimized for population averages. This frequency weighted training privileges common presentations and marginalizes rare yet clinically critical cases, a bias we call the average patient fallacy. In mixture models, gradients from rare cases are suppressed by prevalence, creating a direct conflict with precision medicine. Clinical vignettes in oncology, cardiology, and ophthalmology show how this yields missed rare responders, delayed recognition of atypical emergencies, and underperformance on vision-threatening variants. We propose operational fixes: Rare Case Performance Gap, Rare Case Calibration Error, a prevalence utility definition of rarity, and clinically weighted objectives that surface ethical priorities. Weight selection should follow structured deliberation. AI in medicine must detect exceptional cases because of their significance.
• Abstract（参考訳）: 医学における機械学習は通常、人口平均に最適化されている。 この頻度重み付けトレーニングは、一般的なプレゼンテーションの特権を付与し、稀だが臨床的に重要なケースを疎外します。 混合モデルでは、稀な症例からの勾配は有病率によって抑制され、精密医療と直接衝突する。 腫瘍学、心臓学、眼科における臨床ヴィグネットは、これがレアレスポンサーを欠いたこと、非典型的緊急事態の認識の遅れ、視力低下の亜種に対する過度な効果を示す。 そこで我々は, 希少ケース性能ギャップ, 希少ケース校正誤差, 希少さの有病率定義, 倫理的優先事項を呈する臨床重み付け目標を提案する。 ウェイトセレクションは構造化された熟考に従うべきである。 医学におけるAIは、その重要性のために例外的なケースを検出する必要がある。

関連論文リスト

• Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
  そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。 また,死亡率と臓器不全の関連性について有意な知見が得られた。
  論文  参考訳（メタデータ） (2024-07-28T02:42:36Z)
• Rescuing referral failures during automated diagnosis of domain-shifted medical images [17.349847762608086]
  異なる人口層から取得した医療画像や、別の技術を用いて測定した場合、最先端の領域一般化アプローチでさえ、参照中に深刻な失敗を犯すことが示される。 我々は,これらの障害を解消し,大幅な性能向上を実現する,ロバストな一般化とポストホック参照アプローチの新たな組み合わせを評価する。
  論文  参考訳（メタデータ） (2023-11-28T13:14:55Z)
• A Saliency-based Clustering Framework for Identifying Aberrant Predictions [49.1574468325115]
  本稿では, 異常予測の概念を導入し, 分類誤差の性質が頻度と同じくらい重要であることを強調した。 本稿では,誤分類率の低減と異常予測の識別を両立する,新しい,効率的なトレーニング手法を提案する。 本手法を獣医学の分野である獣医学の分野に応用し, 被曝率は高いが, 人体医学に比べて広く研究されていない。
  論文  参考訳（メタデータ） (2023-11-11T01:53:59Z)
• Towards unraveling calibration biases in medical image analysis [2.4054878434935074]
  典型的に採用されるキャリブレーションの指標が,サンプルサイズに対して体系的に偏りがあることを示す。 これは、データ不均衡が人口構成群間で劇的なサンプルサイズ差をもたらすフェアネス研究に特に関係している。
  論文  参考訳（メタデータ） (2023-05-09T00:11:35Z)
• Learning image representations for anomaly detection: application to discovery of histological alterations in drug development [0.0]
  病理組織学では、通常標本は豊富であるが、異常(病理)の症例は少ないか、利用できない。 このような画像の事前学習畳み込みニューラルネットワーク(CNN)表現と組み合わせたアプローチは、以前は異常検出(AD)に用いられていた。 本手法は, 早期に薬剤の毒性評価に有効であり, 遅発性薬剤の服用を低減できる可能性が示唆された。
  論文  参考訳（メタデータ） (2022-10-14T10:00:36Z)
• Detecting Shortcut Learning for Fair Medical AI using Shortcut Testing [62.9062883851246]
  機械学習は医療の改善に大いに貢献するが、その利用が健康格差を広めたり増幅したりしないことを確実にすることは重要である。 アルゴリズムの不公平性の潜在的な要因の1つ、ショートカット学習は、トレーニングデータにおける不適切な相関に基づいてMLモデルが予測した時に発生する。 マルチタスク学習を用いて,臨床MLシステムの公平性評価の一環として,ショートカット学習の評価と緩和を行う手法を提案する。
  論文  参考訳（メタデータ） (2022-07-21T09:35:38Z)
• Improving Trustworthiness of AI Disease Severity Rating in Medical Imaging with Ordinal Conformal Prediction Sets [0.7734726150561088]
  統計的に厳密な不確実性定量化の欠如は、AI結果の信頼を損なう重要な要因である。 分布自由不確実性定量化の最近の進歩は、これらの問題に対する実用的な解決策である。 本稿では, 正しい狭窄の重症度を含むことが保証される順序予測セットを形成する手法を実証する。
  論文  参考訳（メタデータ） (2022-07-05T18:01:20Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• Explainable Deep Few-shot Anomaly Detection with Deviation Networks [123.46611927225963]
  本稿では,弱い教師付き異常検出フレームワークを導入し,検出モデルを訓練する。 提案手法は,ラベル付き異常と事前確率を活用することにより,識別正規性を学習する。 我々のモデルはサンプル効率が高く頑健であり、クローズドセットとオープンセットの両方の設定において最先端の競合手法よりもはるかに優れている。
  論文  参考訳（メタデータ） (2021-08-01T14:33:17Z)
• Variational Disentanglement for Rare Event Modeling [21.269897066024306]
  本稿では,不均衡な分類問題における希少事象から学ぶための変分非絡み合い手法を提案する。 具体的には、潜在空間に課せられる極端分布の挙動を利用して、低頻度事象から情報を抽出する。
  論文  参考訳（メタデータ） (2020-09-17T21:35:36Z)

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。