論文の概要: Position: Machine Learning for Heart Transplant Allocation Policy Optimization Should Account for Incentives

• arxiv url: http://arxiv.org/abs/2602.04990v1
• Date: Wed, 04 Feb 2026 19:24:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-06 18:49:08.588162
• Title: Position: Machine Learning for Heart Transplant Allocation Policy Optimization Should Account for Incentives
• Title（参考訳）: 位置: インセンティブを考慮した心臓移植割当政策最適化のための機械学習
• Authors: Ioannis Anagnostides, Itai Zilberstein, Zachary W. Sollie, Arman Kilic, Tuomas Sandholm,
• Abstract要約: 臓器割当は単なる静的な最適化の問題ではなく、移植センター、臨床医、規制当局を含む複雑なゲームであることを強調する。 意思決定パイプラインにおける重要なインセンティブのミスアライメントを特定し、今日、それらが有害な結果をもたらしていることを示すデータを提示する。 機械学習コミュニティのための研究課題を概説し、メカニズム設計、戦略分類、因果推論、社会的選択の統合を訴える。
• 参考スコア（独自算出の注目度）: 45.83272225462161
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The allocation of scarce donor organs constitutes one of the most consequential algorithmic challenges in healthcare. While the field is rapidly transitioning from rigid, rule-based systems to machine learning and data-driven optimization, we argue that current approaches often overlook a fundamental barrier: incentives. In this position paper, we highlight that organ allocation is not merely a static optimization problem, but rather a complex game involving transplant centers, clinicians, and regulators. Focusing on US adult heart transplant allocation, we identify critical incentive misalignments across the decision-making pipeline, and present data showing that they are having adverse consequences today. Our main position is that the next generation of allocation policies should be incentive aware. We outline a research agenda for the machine learning community, calling for the integration of mechanism design, strategic classification, causal inference, and social choice to ensure robustness, efficiency, and fairness in the face of strategic behavior from the various constituent groups.
• Abstract（参考訳）: 少ないドナー臓器の割り当ては、医療における最も複雑なアルゴリズム上の課題の1つである。 この分野は、厳格なルールベースのシステムから、マシンラーニングやデータ駆動型最適化へと急速に移行していますが、現在のアプローチは多くの場合、インセンティブ(インセンティブ)という基本的な障壁を見落としています。 本稿では,臓器割当が静的な最適化問題であるだけでなく,移植センター,臨床医,レギュレータを含む複雑なゲームであることを強調する。 米国成人の心臓移植のアロケーションに着目して、意思決定パイプラインにおける重要なインセンティブのミスアライメントを特定し、今日、それらが有害な結果をもたらしていることを示すデータを提示する。 我々の主な立場は、次世代の割当政策がインセンティブを意識すべきであるということです。 各種構成群からの戦略行動に直面した上で、ロバスト性、効率性、公正性を確保するために、メカニズム設計、戦略分類、因果推論、社会的選択の統合を求める機械学習コミュニティのための研究課題を概説する。

関連論文リスト

• Policy Optimization for Dynamic Heart Transplant Allocation [48.56507763517103]
  心臓移植は、進行性心不全の患者にとって有効な方法である。 現在の割当政策は、移植前と移植後の死亡率を考慮すると十分ではない。 異なるポリシーの性能を評価・比較できる新しいシミュレータを開発した。
  論文  参考訳（メタデータ） (2025-12-13T23:51:31Z)
• Collective dynamics of strategic classification [49.14942990735098]
  ユーザと機関の集団間のフィードバックループ問題に進化ゲーム理論を適用した。 検知能力の向上は社会的コストを低減し,ユーザの改善につながる可能性が示唆された。 施設が利用者の人口に再適応する速度は、最終結果に果たす役割を担っている。
  論文  参考訳（メタデータ） (2025-08-12T20:57:17Z)
• When Autonomy Goes Rogue: Preparing for Risks of Multi-Agent Collusion in Social Systems [78.04679174291329]
  悪意のあるマルチエージェントシステム(MAS)のリスクをシミュレートするための概念実証手法を提案する。 この枠組みを、誤情報拡散とeコマース詐欺という2つのリスクの高い分野に適用する。 その結果,分散システムの方が,集中型システムよりも悪意ある行動を実行するのに効果的であることが示唆された。
  論文  参考訳（メタデータ） (2025-07-19T15:17:30Z)
• Diachronic and synchronic variation in the performance of adaptive machine learning systems: The ethical challenges [2.7624021966289605]
  医学における「適応的」MLシステムの利用により生じる倫理的問題の範囲についてチュートリアルを行う。 このチュートリアルのターゲットは、機械学習AIシステムの開発者、医療規制当局、幅広い医療情報コミュニティ、臨床医の実践である。
  論文  参考訳（メタデータ） (2025-04-11T09:01:01Z)
• Rate-My-LoRA: Efficient and Adaptive Federated Model Tuning for Cardiac MRI Segmentation [15.55939232262832]
  心臓血管疾患(CVD)と心臓ジスシンフォニー(英語版)は、米国で主要な公衆衛生上の問題である。 本稿では,心的セグメンテーションのための新しい効率的適応型フェデレート学習法を提案する。
  論文  参考訳（メタデータ） (2025-01-06T18:57:18Z)
• The Medkit-Learn(ing) Environment: Medical Decision Modelling through Simulation [81.72197368690031]
  医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。 Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
  論文  参考訳（メタデータ） (2021-06-08T10:38:09Z)
• Learning Directional Feature Maps for Cardiac MRI Segmentation [13.389141642517762]
  本稿では,クラス間の差分とクラス内の類似度を同時に強化する指向性特徴写像を利用する新しい手法を提案する。 具体的には,最寄りの心臓組織の境界から各ピクセルに向けられた方向のフィールドを学習する。 学習方向のフィールドに基づいて、元のセグメンテーション機能を改善するために、特徴修正と融合(FRF)モジュールを提案する。
  論文  参考訳（メタデータ） (2020-07-22T11:31:04Z)
• Decentralized Reinforcement Learning: Global Decision-Making via Local Economic Transactions [80.49176924360499]
  我々は、シーケンシャルな意思決定問題を解決するために、単純で専門的で自己関心のあるエージェントの社会を指示する枠組みを確立する。 我々は分散強化学習アルゴリズムのクラスを導出する。 我々は、より効率的な移動学習のための社会固有のモジュラー構造の潜在的な利点を実証する。
  論文  参考訳（メタデータ） (2020-07-05T16:41:09Z)

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。