論文の概要: Policy-Embedded Graph Expansion: Networked HIV Testing with Diffusion-Driven Network Samples

• arxiv url: http://arxiv.org/abs/2601.16233v1
• Date: Tue, 20 Jan 2026 22:44:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-26 14:27:27.352593
• Title: Policy-Embedded Graph Expansion: Networked HIV Testing with Diffusion-Driven Network Samples
• Title（参考訳）: ポリシーを組み込んだグラフ拡張:拡散駆動型ネットワークサンプルを用いたネットワークHIV検査
• Authors: Akseli Kangaslahti, Davin Choo, Lingkai Kong, Milind Tambe, Alastair van Heerden, Cheryl Johnson,
• Abstract要約: HIVは、ヒトの免疫系を攻撃し、適切な治療を受けずに死に至るレトロウイルスである。 WHOとワイツ大学と共同で、最終的な展開を目標にHIV検査の効率を改善する方法について研究する。
• 参考スコア（独自算出の注目度）: 33.70491603582163
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: HIV is a retrovirus that attacks the human immune system and can lead to death without proper treatment. In collaboration with the WHO and Wits University, we study how to improve the efficiency of HIV testing with the goal of eventual deployment, directly supporting progress toward UN Sustainable Development Goal 3.3. While prior work has demonstrated the promise of intelligent algorithms for sequential, network-based HIV testing, existing approaches rely on assumptions that are impractical in our real-world implementations. Here, we study sequential testing on incrementally revealed disease networks and introduce Policy-Embedded Graph Expansion (PEGE), a novel framework that directly embeds a generative distribution over graph expansions into the decision-making policy rather than attempting explicit topological reconstruction. We further propose Dynamics-Driven Branching (DDB), a diffusion-based graph expansion model that supports decision making in PEGE and is designed for data-limited settings where forest structures arise naturally, as in our real-world referral process. Experiments on real HIV transmission networks show that the combined approach (PEGE + DDB) consistently outperforms existing baselines (e.g., 13% improvement in discounted reward and 9% more HIV detections with 25% of the population tested) and explore key tradeoffs that drive decision quality.
• Abstract（参考訳）: HIVはレトロウイルスであり、ヒトの免疫系を攻撃し、適切な治療を受けずに死に至る。 WHOとワイツ大学と共同で、最終的な展開を目標としてHIV検査の効率を改善する方法について研究し、国連持続可能な開発目標3.3に向けた進捗を直接支援する。 これまでの研究は、シーケンシャルでネットワークベースのHIV検査のためのインテリジェントアルゴリズムの可能性を実証してきたが、既存のアプローチは実世界の実装では実現不可能な仮定に依存している。 本稿では, 漸進的に明らかにされた病気ネットワークのシーケンシャルテストについて検討し, 明示的なトポロジ的再構成を試みるのではなく, グラフ拡張に関する生成的分布を直接決定ポリシーに組み込む新しいフレームワークであるPEGEを紹介した。 さらに,拡散型グラフ拡張モデルであるDDBを提案する。これはPEGEにおける意思決定を支援するもので,実世界の参照プロセスのように,森林構造が自然に発生するようなデータ制限された設定のために設計されている。 実際のHIV感染ネットワークでの実験では、組み合わせアプローチ(PEGE + DDB)は既存のベースライン(例えば、割引報酬の13%改善と、人口の25%が検査されたHIV検出の9%増加)を一貫して上回り、意思決定品質を駆動する重要なトレードオフを探求している。

関連論文リスト

• Exploration of Hepatitis B Virus Infection Dynamics through Physics-Informed Deep Learning Approach [0.0]
  近年、ウイルス感染のダイナミクスを捉えるための有望なフレームワークとして物理情報ニューラルネットワーク(PINN)が登場している。 標準PINNは、フォワードモデリングによって疾患のダイナミクスをシミュレートするのに有効であるが、しばしば重要な生物学的パラメータを推定する際の課題に直面している。 DINNはパラメータ推定タスクに対して、より堅牢なアプローチを提供する。
  論文  参考訳（メタデータ） (2025-03-12T20:02:31Z)
• Recognition of Dysarthria in Amyotrophic Lateral Sclerosis patients using Hypernetworks [7.182245711235296]
  変形の認識にハイパーネットを取り入れた最初の研究について述べる。 具体的には、オーディオファイルを使用し、それをlog-Mel Spectrogram、delta、delta-deltaに変換し、トレーニング済みの修正AlexNetモデルに渡します。 その結果,提案手法の精度は82.66%に向上した。
  論文  参考訳（メタデータ） (2025-02-27T15:57:37Z)
• Neuromorphic Spiking Neural Network Based Classification of COVID-19 Spike Sequences [4.497217246897902]
  本稿では,SARS-CoV-2データの効率的な解析を行うニューラルネットワークベース(NN)機構を提案する。 本稿では、まずスパイクタンパク質配列を固定長の数値表現に変換し、次にニューロモルフィックスパイキングニューラルネットワークを用いてそれらの配列を分類するパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-12-19T10:26:31Z)
• A graph neural network-based model with Out-of-Distribution Robustness for enhancing Antiretroviral Therapy Outcome Prediction for HIV-1 [4.970653449274061]
  HIV-1に対する抗レトロウイルス療法(ART)の結果を予測することは、非常に難しい臨床的課題である。 完全連結(FC)ニューラルネットとグラフニューラルネット(GNN)の機能を組み合わせた新しいジョイントフュージョンモデルを提案する。 グラフとして構造化されたこの知識ベースを利用することで、GNNコンポーネントはモデルが不均衡なデータ分布に適応できるようにする。
  論文  参考訳（メタデータ） (2023-12-29T08:02:13Z)
• MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
  本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。 トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。 ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
  論文  参考訳（メタデータ） (2023-10-04T01:36:30Z)
• Energy-based Out-of-Distribution Detection for Graph Neural Networks [76.0242218180483]
  我々は,GNNSafeと呼ばれるグラフ上での学習のための,シンプルで強力で効率的なOOD検出モデルを提案する。 GNNSafeは、最先端技術に対するAUROCの改善を最大17.0%で達成しており、そのような未開発領域では単純だが強力なベースラインとして機能する可能性がある。
  論文  参考訳（メタデータ） (2023-02-06T16:38:43Z)
• Boundary Guided Semantic Learning for Real-time COVID-19 Lung Infection Segmentation System [69.40329819373954]
  新型コロナウイルス(COVID-19)は、世界中の医療システムに悪影響を及ぼし続けている。 現段階では、新型コロナウイルスの診断と治療には、CT画像から肺感染症領域を自動的に分離することが不可欠である。 本稿では,境界案内型セマンティックラーニングネットワーク(BSNet)を提案する。
  論文  参考訳（メタデータ） (2022-09-07T05:01:38Z)
• Semi-supervised Neural Networks solve an inverse problem for modeling Covid-19 spread [61.9008166652035]
  半教師付きニューラルネットワークを用いた新型コロナウイルスの感染拡大について検討した。 我々は、人口の受動的一部がウイルスの動態から分離されていると仮定する。
  論文  参考訳（メタデータ） (2020-10-10T19:33:53Z)

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。