論文の概要: A Statistical Framework for Data-Driven Discovery of Differential Performance in Clinical Risk Prediction Models
- arxiv url: http://arxiv.org/abs/2608.01333v1
- Date: Sun, 02 Aug 2026 15:53:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.167087
- Title: A Statistical Framework for Data-Driven Discovery of Differential Performance in Clinical Risk Prediction Models
- Title（参考訳）: 臨床リスク予測モデルにおけるデータ駆動型差分検出のための統計的枠組み
- Abstract要約: 人工知能(AI)と機械学習(ML)を用いた予測モデルは、医療設定における意思決定支援にますます利用されている。
これらのモデルは、人種、年齢、性別、その他の要因によって定義された集団サブグループ間で異なる性能を示す可能性がある。
実世界の環境では、重要なモデル性能の相違は、複数の交差特性によって定義される未知の部分群に生じることがある。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Predictive models employing artificial intelligence (AI) and machine learning (ML) are increasingly being used for decision support in healthcare settings. These models may exhibit differential performance across population subgroups defined by race, age, sex, and other factors and cause disparate clinical impacts, leading to intensive recent study of what has been termed "model fairness". While many methods have been proposed to assess risk prediction model fairness, these techniques generally require that the end user pre-specify the groups across which fairness is to be evaluated. In real-world settings, however, important model performance disparities may arise in unknown subgroups defined by multiple intersecting characteristics. To address this problem, we propose the unfairness tree (utree), a data-driven recursive partitioning framework for identifying subgroups with differential model performance. In simulations, the utree exhibits nominal empirical type I error rates and good ability to detect, quantify, and characterize performance discrepancies defined by higher-order variable interactions. In six mortality risk models fit to the GUSTO-I acute myocardial infarction trial dataset, utrees identified subgroup-specific performance patterns, with age, sex, blood pressure, and Killip class consistently associated with differential model performance.
- Abstract（参考訳）: 人工知能(AI)と機械学習(ML)を用いた予測モデルは、医療設定における意思決定支援にますます利用されている。
これらのモデルは、人種、年齢、性別、その他の要因によって定義された人口サブグループ間で異なるパフォーマンスを示し、異なる臨床的影響を引き起こし、近年では「モデルフェアネス」と呼ばれるものの研究が盛んに行われている。
リスク予測モデルフェアネスを評価するために多くの手法が提案されているが、これらの手法は一般に、エンドユーザーがフェアネスを評価するグループを事前に指定する必要がある。
しかし、現実の環境では、複数の交差特性によって定義される未知の部分群に重要なモデル性能の相違が生じうる。
そこで本研究では,データ駆動型再帰的分割フレームワークである不公平木(utree)を提案する。
シミュレーションでは、utreeは名目上の経験的なI型エラー率と、高次変数相互作用によって定義されるパフォーマンスの相違を検出し、定量化し、特徴づける優れた能力を示す。
GUSTO-I急性心筋梗塞臨床試験データセットに適合する6つの死亡リスクモデルにおいて、utreesは、年齢、性別、血圧、Kilipクラスを含むサブグループ固有のパフォーマンスパターンを特定した。
関連論文リスト
- Bounding the Causal Impact of ML-assisted Decision-Making via Counterfactual Correctness [2.9267249513932008]
本稿では,新しいモデルの因果的効果に対する境界を構築するための部分同定手法を提案する。
このアプローチの中核的な革新は、詳細な予測精度に関する仮定を下流の結果に活用することである。
論文 参考訳（メタデータ） (2026-07-23T20:45:10Z) - Rethinking external validation for the target population: Capturing patient-level similarity with a generative model [1.5535982620458004]
本稿では,各外部患者の開発データとの類似性を定量化する枠組みを提案する。
類似性を推定するために、生成モデル、特にオートエンコーダを使用します。
結果:本フレームワークは類似性定義サブグループ間でのモデル性能のかなりの変動を明らかにした。
論文 参考訳（メタデータ） (2026-05-11T22:11:03Z) - Investigating the Impact of Histopathological Foundation Models on Regressive Prediction of Homologous Recombination Deficiency [52.50039435394964]
回帰に基づくタスクの基礎モデルを体系的に評価する。
我々は5つの最先端基礎モデルを用いて、スライド画像全体(WSI)からパッチレベルの特徴を抽出する。
乳房、子宮内膜、肺がんコホートにまたがるこれらの抽出された特徴に基づいて、連続したRDDスコアを予測するモデルが訓練されている。
論文 参考訳（メタデータ） (2026-01-29T14:06:50Z) - On the Role of Calibration in Benchmarking Algorithmic Fairness for Skin Cancer Detection [0.03066137405373616]
我々はISIC 2020 Challengeデータセットの皮膚がん検出アルゴリズムの性能を評価する。
2位と3位のモデルと比較し、性別、人種、年齢によって定義されるサブグループに焦点を当てます。
既存のモデルでは識別精度が向上するが,リスクを過度に診断し,新たなデータセットに適用した場合に校正上の問題があることが判明した。
論文 参考訳（メタデータ） (2025-11-10T23:51:04Z) - A prediction and behavioural analysis of machine learning methods for
modelling travel mode choice [0.26249027950824505]
我々は、モデル選択に影響を及ぼす可能性のある重要な要因の観点から、複数のモデリング問題に対して異なるモデリングアプローチを体系的に比較する。
その結果,非凝集性予測性能が最も高いモデルでは,行動指標やアグリゲーションモードのシェアが低下することが示唆された。
MNLモデルは様々な状況において堅牢に機能するが、ML手法はWillingness to Payのような行動指標の推定を改善することができる。
論文 参考訳（メタデータ） (2023-01-11T11:10:32Z) - Bayesian Networks for the robust and unbiased prediction of depression
and its symptoms utilizing speech and multimodal data [65.28160163774274]
我々は,抑うつ,抑うつ症状,および,胸腺で収集された音声,表情,認知ゲームデータから得られる特徴の関連性を把握するためにベイズ的枠組みを適用した。
論文 参考訳（メタデータ） (2022-11-09T14:48:13Z) - Cross-model Fairness: Empirical Study of Fairness and Ethics Under Model Multiplicity [10.144058870887061]
1つの予測器が等しく機能するモデルのグループからアドホックに選択された場合、個人は害を受ける可能性があると我々は主張する。
これらの不公平性は実生活で容易に発見でき、技術的手段だけで緩和することは困難である可能性が示唆された。
論文 参考訳（メタデータ） (2022-03-14T14:33:39Z) - CSDI: Conditional Score-based Diffusion Models for Probabilistic Time
Series Imputation [107.63407690972139]
Conditional Score-based Diffusion Model for Imputation (CSDI) は、観測データに条件付きスコアベース拡散モデルを利用する新しい時系列計算法である。
CSDIは、一般的なパフォーマンスメトリクスの既存の確率論的計算方法よりも40-70%改善されている。
さらに、Cは最先端の決定論的計算法と比較して誤差を5-20%削減する。
論文 参考訳（メタデータ） (2021-07-07T22:20:24Z) - A comprehensive comparative evaluation and analysis of Distributional
Semantic Models [61.41800660636555]
我々は、静的DSMによって生成されたり、BERTによって生成された文脈化されたベクトルを平均化して得られるような、型分布ベクトルの包括的評価を行う。
その結果、予測ベースモデルの優越性は現実よりも明らかであり、ユビキタスではないことが明らかとなった。
我々は認知神経科学からRepresentational similarity Analysis(RSA)の方法論を借りて、分布モデルによって生成された意味空間を検査する。
論文 参考訳（メタデータ） (2021-05-20T15:18:06Z) - Characterizing Fairness Over the Set of Good Models Under Selective
Labels [69.64662540443162]
同様の性能を実現するモデルセットに対して,予測公正性を特徴付けるフレームワークを開発する。
到達可能なグループレベルの予測格差の範囲を計算するためのトラクタブルアルゴリズムを提供します。
選択ラベル付きデータの実証的な課題に対処するために、我々のフレームワークを拡張します。
論文 参考訳（メタデータ） (2021-01-02T02:11:37Z) - A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。
また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
論文 参考訳（メタデータ） (2020-06-08T19:24:54Z)
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。