論文の概要: Interpretable Link Prediction in AI-Driven Cancer Research: Uncovering Co-Authorship Patterns

• arxiv url: http://arxiv.org/abs/2512.22181v1
• Date: Fri, 19 Dec 2025 16:25:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-04 08:45:17.104949
• Title: Interpretable Link Prediction in AI-Driven Cancer Research: Uncovering Co-Authorship Patterns
• Title（参考訳）: AI駆動がん研究における解釈可能なリンク予測:共認証パターンの解明
• Authors: Shahab Mosallaie, Andrea Schiffauerova, Ashkan Ebadi,
• Abstract要約: 我々は,AIによるがん研究におけるコラボレーションのプロキシとして,共著者ネットワークを検討した。 我々は,新しい,永続的で,廃止されたコラボレーションを表す36のオーサシップネットワークを構築した。 規律の類似度スコアは重要な要因として現れ、新しいパターンと永続的なパターンに肯定的に影響を与える一方で、中止されたコラボレーションに否定的に影響を及ぼす。
• 参考スコア（独自算出の注目度）: 0.19116784879310025
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artificial intelligence (AI) is transforming cancer diagnosis and treatment. The intricate nature of this disease necessitates the collaboration of diverse stakeholders with varied expertise to ensure the effectiveness of cancer research. Despite its importance, forming effective interdisciplinary research teams remains challenging. Understanding and predicting collaboration patterns can help researchers, organizations, and policymakers optimize resources and foster impactful research. We examined co-authorship networks as a proxy for collaboration within AI-driven cancer research. Using 7,738 publications (2000-2017) from Scopus, we constructed 36 overlapping co-authorship networks representing new, persistent, and discontinued collaborations. We engineered both attribute-based and structure-based features and built four machine learning classifiers. Model interpretability was performed using Shapley Additive Explanations (SHAP). Random forest achieved the highest recall for all three types of examined collaborations. The discipline similarity score emerged as a crucial factor, positively affecting new and persistent patterns while negatively impacting discontinued collaborations. Additionally, high productivity and seniority were positively associated with discontinued links. Our findings can guide the formation of effective research teams, enhance interdisciplinary cooperation, and inform strategic policy decisions.
• Abstract（参考訳）: 人工知能(AI)はがんの診断と治療を変革している。 この病気の複雑な性質は、がん研究の有効性を確保するために様々な専門知識を持つ多様なステークホルダーの協力を必要とする。 その重要性にもかかわらず、効果的な学際研究チームを形成することは依然として困難である。 コラボレーションパターンの理解と予測は、研究者、組織、政策立案者がリソースを最適化し、影響力のある研究を促進するのに役立つ。 我々は,AIによるがん研究におけるコラボレーションのプロキシとして,共著者ネットワークを検討した。 スコパスから7,738冊(2000-2017)の出版物を用いて,新たな,永続的で,中止されたコラボレーションを表す36のオーサリングネットワークを構築した。 属性ベースの機能と構造ベースの機能の両方を設計し、4つの機械学習分類器を構築しました。 モデル解釈はShapley Additive Explanations (SHAP)を用いて行った。 ランダム・フォレストは、調査された3種類のコラボレーションの中で、最も高いリコールを達成した。 規律の類似度スコアは重要な要因として現れ、新しいパターンと永続的なパターンに肯定的に影響を与える一方で、中止されたコラボレーションに否定的に影響を及ぼす。 さらに、高い生産性と年長性は、廃リンクと肯定的に関連していた。 本研究は,効果的な研究チーム形成の指導,学際協力の強化,戦略方針決定の通知を可能にする。

関連論文リスト

• Associating Healthcare Teamwork with Patient Outcomes for Predictive Analysis [20.239131886506538]
  我々は,ERHを介するHCPインタラクションをネットワークとしてモデル化し,これらのコラボレーションに埋め込まれた患者生存の予測信号を検出するために機械学習技術を適用した。 この作業は、コラボレーションとAIのデジタルトレースを活用して、チームベースのヘルスケアを評価し改善するための実践的なワークフローに寄与する。
  論文  参考訳（メタデータ） (2025-12-02T23:16:03Z)
• The Collaboration Gap [28.553543260404425]
  i)協調機能を分離し,(ii)問題複雑性を変調し,(iii)スケーラブルな自動グレーディングを可能にし,(iv)出力制約を課さない協調迷路解決ベンチマークを提案する。 このフレームワークを用いて、32個のオープンソースおよびクローズドソースモデルを、単独、同種、異種ペアリングで評価する。 私たちの結果からは,“コラボレーションギャップ”が明らかになっている。
  論文  参考訳（メタデータ） (2025-11-04T16:10:57Z)
• Hypothesis Hunting with Evolving Networks of Autonomous Scientific Agents [52.50038914857797]
  この過程を仮説探索と呼び、膨大な複雑な仮説空間を横断する持続的な探索を通して洞察を累積的に探索する。 本稿では、エージェント、ネットワーク、評価規範の相互作用としてフレームワークモデリングディスカバリであるAScienceを紹介し、ASCollabとして実装する。 実験により、このような社会的ダイナミクスは、多様性-品質-ノーベルティフロンティアに沿った専門家評価結果の蓄積を可能にすることが示された。
  論文  参考訳（メタデータ） (2025-10-08T08:47:07Z)
• Super-additive Cooperation in Language Model Agents [4.14360329494344]
  この研究は、反復的相互作用とグループ間競争の複合効果が人間の協調傾向の原因であると主張する超付加的協調理論に着想を得たものである。 私たちは、言語モデルエージェントがチームに分かれて、囚人のジレンマゲームで互いに対決する仮想トーナメントを考案しました。 チーム内部のダイナミクスと外部の競争をシミュレートすることで、このブレンドによって、全体的なコラボレーションレベルと最初のコラボレーションレベルの両方が大幅に向上することが分かりました。
  論文  参考訳（メタデータ） (2025-08-21T12:36:44Z)
• Collaborative Gym: A Framework for Enabling and Evaluating Human-Agent Collaboration [50.657070334404835]
  Collaborative Gymは、エージェント、人間、タスク環境間の非同期で三分割的なインタラクションを可能にするフレームワークである。 シミュレーション条件と実環境条件の両方において,Co-Gymを3つの代表的なタスクでインスタンス化する。 その結果、協調作業員はタスクパフォーマンスにおいて、完全に自律的なエージェントよりも一貫して優れていたことが判明した。
  論文  参考訳（メタデータ） (2024-12-20T09:21:15Z)
• Multi-Agent, Human-Agent and Beyond: A Survey on Cooperation in Social Dilemmas [15.785674974107204]
  社会ジレンマにおける協力の研究は、長年、様々な分野の基本的なトピックであった。 人工知能の最近の進歩は、この分野を大きく変えた。 この調査は、AIの交差点における3つの重要な領域と、社会的ジレンマにおける協力について調査する。
  論文  参考訳（メタデータ） (2024-02-27T07:31:30Z)
• Covidia: COVID-19 Interdisciplinary Academic Knowledge Graph [99.28342534985146]
  新型コロナウイルスに関する既存の文献や知識プラットフォームは、生物学や医学に関する論文の収集にのみ焦点が当てられている。 我々は、異なるドメインにおけるCOVID-19の知識間のギャップを埋めるために、Covidia, COVID-19の学際的知識グラフを提案する。
  論文  参考訳（メタデータ） (2023-04-14T16:45:38Z)

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。