論文の概要: Cost-optimal Sequential Testing via Doubly Robust Q-learning

• arxiv url: http://arxiv.org/abs/2604.11165v2
• Date: Wed, 15 Apr 2026 01:51:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-16 13:09:57.435394
• Title: Cost-optimal Sequential Testing via Doubly Robust Q-learning
• Title（参考訳）: 二重ロバストQ-ラーニングによるコスト最適シーケンステスト
• Abstract要約: 本研究では, 費用対最適順序決定政策の学習問題について, 振り返りデータから検討する。 最適ポリシーを推定するための2つの頑健なQ-ラーニングフレームワークを開発した。
• 参考スコア（独自算出の注目度）: 17.865867651025717
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Clinical decision-making often involves selecting tests that are costly, invasive, or time-consuming, motivating individualized, sequential strategies for what to measure and when to stop ascertaining. We study the problem of learning cost-optimal sequential decision policies from retrospective data, where test availability depends on prior results, inducing informative missingness. Under a sequential missing-at-random mechanism, we develop a doubly robust Q-learning framework for estimating optimal policies. The method introduces path-specific inverse probability weights that account for heterogeneous test trajectories and satisfy a normalization property conditional on the observed history. By combining these weights with auxiliary contrast models, we construct orthogonal pseudo-outcomes that enable unbiased policy learning when either the acquisition model or the contrast model is correctly specified. We establish oracle inequalities for the stage-wise contrast estimators, along with convergence rates, regret bounds, and misclassification rates for the learned policy. Simulations demonstrate improved cost-adjusted performance over weighted and complete-case baselines, and an application to a prostate cancer cohort study illustrates how the method reduces testing cost without compromising predictive accuracy.
• Abstract（参考訳）: 臨床的な意思決定には、コスト、侵襲的、あるいは時間を要するテストを選択することがあり、何を測定するか、いつ確認を止めるかの個別化、シーケンシャルな戦略を動機付けている。 本研究では,テストの可利用性が先行結果に依存するレトロスペクティブデータから,コスト最適シーケンシャルな意思決定ポリシーを学習する際の問題点を考察し,情報不足を誘発する。 逐次欠落のメカニズムの下で、最適なポリシーを推定する2つの頑健なQ-ラーニングフレームワークを開発する。 本手法では,不均一な試験軌道を考慮した経路固有逆確率重みを導入し,観測履歴に基づく正規化特性を満たす。 これらの重みを補助コントラストモデルと組み合わせることで、取得モデルまたはコントラストモデルが正しく指定された場合に、不偏のポリシー学習を可能にする直交的擬似アウトカムを構築する。 我々は,段階的コントラスト推定器に対して,収束率,後悔境界,学習方針の誤分類率とともに,オラクルの不等式を確立する。 前立腺癌コホート研究への応用は、予測精度を損なうことなく、テストコストを削減する方法を示している。

関連論文リスト

• Multimodal Learning on Low-Quality Data with Conformal Predictive Self-Calibration [72.0672328514289]
  マルチモーダル学習は、しばしば低品質データの課題に悩まされる。 コンフォーマル予測自己校正(Conformal Predictive Self-Calibration)と呼ばれる統合フレームワークを提案する。 私たちのフレームワークは、既存の最先端メソッドを一貫して上回ります。
  論文  参考訳（メタデータ） (2026-05-05T14:48:52Z)
• Machine learning to optimize precision in the analysis of randomized trials: A journey in pre-specified, yet data-adaptive learning [2.6827221447298406]
  我々は、共変量調整のための機械学習ベースのアプローチを開発し、評価し、実装するという私たちの物語を語る。 我々は, 限界効果を推定するためのアプローチについて, 実用上の問題だけでなく, 理論的根拠を提供する。 本研究は,最近公表された8治験の予備的,特定された分析に本手法を適用した結果について述べる。
  論文  参考訳（メタデータ） (2025-12-15T18:05:45Z)
• A systematic evaluation of uncertainty quantification techniques in deep learning: a case study in photoplethysmography signal analysis [1.6690512882610855]
  ディープラーニングモデルは、臨床外の生理的パラメータを継続的に監視するために使用することができる。 実践的な測定シナリオに配備された場合、パフォーマンスが悪くなるリスクがあり、負の患者結果につながる。 ここでは、2つの臨床関連予測タスクで訓練されたモデルに対して、8つの不確実性(UQ)技術を実装する。
  論文  参考訳（メタデータ） (2025-10-31T22:54:13Z)
• Counterfactual Survival Q Learning for Longitudinal Randomized Trials via Buckley James Boosting [2.3246627516636935]
  最適な動的治療体制を推定するためのBuckley James (BJ) Boost Q 学習フレームワークを提案する。 この手法は、高速化された故障時間モデルと、最小二乗木や回帰木を含む反復的なブースティング技術を統合する。 条件付き生存時間を直接モデル化することにより、BJ Boost Q 学習は制限的な比例的ハザードの仮定を避けることができる。
  論文  参考訳（メタデータ） (2025-08-14T20:43:56Z)
• Model-free Methods for Event History Analysis and Efficient Adjustment (PhD Thesis) [55.2480439325792]
  この論文は、モデルフリーの観点から統一された統計学への独立した貢献のシリーズである。 第1章では、機械学習から予測技術を活用する柔軟なメソッドを定式化するために、モデルフリーの視点をどのように利用できるか、詳しく説明している。 第2章では、あるプロセスの進化が他のプロセスに直接影響されるかどうかを記述した地域独立の概念を研究している。
  論文  参考訳（メタデータ） (2025-02-11T19:24:09Z)
• Sublinear Regret for a Class of Continuous-Time Linear-Quadratic Reinforcement Learning Problems [10.404992912881601]
  拡散に対する連続時間線形四元数(LQ)制御のクラスに対する強化学習(RL)について検討した。 モデルパラメータの知識にも,その推定にも依存しないモデルフリーアプローチを適用し,RLアルゴリズムを設計して,適切なポリシパラメータを直接学習する。
  論文  参考訳（メタデータ） (2024-07-24T12:26:21Z)
• Learning Optimal Deterministic Policies with Stochastic Policy Gradients [62.81324245896716]
  政策勾配法(PG法)は連続強化学習(RL法)問題に対処する手法として成功している。 一般的には、収束(ハイパー)政治は、決定論的バージョンをデプロイするためにのみ学習される。 本稿では,サンプルの複雑性とデプロイされた決定論的ポリシのパフォーマンスのトレードオフを最適化するために,学習に使用する探索レベルの調整方法を示す。
  論文  参考訳（メタデータ） (2024-05-03T16:45:15Z)
• Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
  確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。 本手法は, 精度の高い問題に特に適している。 提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
  論文  参考訳（メタデータ） (2023-11-08T00:10:21Z)
• Selective Nonparametric Regression via Testing [54.20569354303575]
  本研究では,所定の点における条件分散の値に関する仮説を検証し,留置手順を開発する。 既存の手法とは異なり、提案手法は分散自体の値だけでなく、対応する分散予測器の不確実性についても考慮することができる。
  論文  参考訳（メタデータ） (2023-09-28T13:04:11Z)
• Improved Policy Evaluation for Randomized Trials of Algorithmic Resource Allocation [54.72195809248172]
  提案する新しい概念を応用した新しい推定器を提案する。 我々は,このような推定器が,サンプル手段に基づく一般的な推定器よりも精度が高いことを理論的に証明した。
  論文  参考訳（メタデータ） (2023-02-06T05:17:22Z)
• Robust and Agnostic Learning of Conditional Distributional Treatment Effects [44.31792000298105]
  問題クラスに対する条件付きDTE(Conditional DTE)を学習するための、新しい堅牢でモデルに依存しない方法論を提供する。 本手法は回帰モデルクラスにCDTEの最良のプロジェクションを提供することができるため,モデルに依存しない。 シミュレーションにおける提案手法の挙動と,富に対する401(k)の適格性の影響を事例として検討した。
  論文  参考訳（メタデータ） (2022-05-23T17:40:31Z)
• Bayesian Nonparametric Cost-Effectiveness Analyses: Causal Estimation and Adaptive Subgroup Discovery [0.0]
  我々は検閲の有無で共同コスト-生存分布の非パラメトリックベイズモデルを開発する。 本モデルを用いて,SEER-Medicareデータベースにおける癌治療における子宮内膜化学療法と放射線補助療法の費用対効果を評価する。
  論文  参考訳（メタデータ） (2020-02-11T21:51:58Z)

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。