Fugu-MT 論文翻訳(概要): The Ceiling Is in the Channel: Auditing Learner Gaps and Measurement Frontiers in Clinical Prediction

論文の概要: The Ceiling Is in the Channel: Auditing Learner Gaps and Measurement Frontiers in Clinical Prediction

arxiv url: http://arxiv.org/abs/2609.01909v1
Date: Tue, 01 Sep 2026 22:15:49 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-03 17:53:17.991924
Title: The Ceiling Is in the Channel: Auditing Learner Gaps and Measurement Frontiers in Clinical Prediction
Title（参考訳）: チャンネルにおけるシーリング : 臨床予測における学習者ギャップと計測フロンティア
Abstract要約: 最適平衡精度は、全変分分離によって特徴づけられる。 PRISMAで誘導された104の臨床的タスクの合成は、同じチャネルレベルの規則性が18以上の疾患コホートに再帰していることを示している。
参考スコア（独自算出の注目度）: 1.9899603776429056
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Clinical prediction can saturate for two different reasons: a fitted learner may fail to extract available information, or the recorded variables may impose a population frontier. We separate these quantities through the \emph{learner gap} and the \emph{measurement-channel ceiling}. Optimal balanced accuracy is characterized by total-variation separation, yielding architecture invariance, a sharp partial-identification result under replacement contamination, a cross-fitted ceiling estimator, and exact conditions for multimodal decision improvement. We add two finite-sample diagnostics, namely a label-permutation optimism floor and an underfit curve, and validate the audit on three real cohorts: UCI readmission ($n=99{,}343$), BRFSS diabetes ($n=253{,}680$), and NHANES HbA1c ($n=10{,}219$). Well-tuned gradient boosting nearly reaches the estimated frontier in UCI and BRFSS, whereas deliberately or practically deficient learners retain large gaps. NHANES yields a null difference between questionnaire and measured marginal frontiers but a significant joint complementarity gain, refining the simplistic claim that an objective modality must dominate. Across all cohorts, modest AUROC gains coexist with substantially larger Bayes decision-flip rates, and several architectures estimate similar frontiers while their achieved balanced accuracy differs sharply. A PRISMA-guided synthesis of 104 clinical tasks then shows that the same channel-level regularities recur across more than 18 disease categories: a broad but non-universal structured-clinical region, diminishing same-channel gains across model families, and higher performance when measurement channels change. The framework converts saturation from an empirical observation into an auditable decision: improve the learner when headroom remains; improve measurement when it does not.
Abstract（参考訳）: 臨床予測は2つの異なる理由により飽和しうる: 適合した学習者が利用可能な情報を抽出できない場合や、記録された変数が人口フロンティアを課す場合である。我々はこれらの量を \emph{learner gap} と \emph{measurement-channel ceiling} で分離する。最適平衡精度は、全変分分離、アーキテクチャ不変性、置換汚染によるシャープな部分同定結果、クロスフィット天井推定器、マルチモーダル決定改善のための正確な条件によって特徴づけられる。 UCI寛解(n=99{,}343$), BRFSS糖尿病(n=253{,}680$), NHANES HbA1c(n=10{,}219$)の3つの実コホートに対して,ラベル置換最適化フロアと不適合曲線の2つの有限サンプル診断を加えて評価した。 UCI と BRFSS で推定されるフロンティアに近づき、意図的あるいは実際的に不十分な学習者は大きなギャップを保っている。 NHANESは、アンケートと測定された限界フロンティアの間にはヌル差が生じるが、有意な相補性が得られ、客観的なモダリティが支配されるという単純な主張を精査する。すべてのコホート全体において、控えめなAUROCはベイズ決定フリップ率と共存し、いくつかのアーキテクチャでは類似のフロンティアを推定する一方で、そのバランスの取れた精度は著しく異なる。 PRISMAで誘導された104の臨床的タスクの合成により、同じチャネルレベルの規則性は18以上の疾患カテゴリにまたがっていることが示される。このフレームワークは、飽和度を経験的観察から監査可能な決定に変換する。

関連論文リスト

Conditions for Global Optimality in Quantum Arimoto-Blahut Algorithms [41.15017547767954]
一般化されたアリモト・ブラフト (AB) アルゴリズムは情報理論や量子最適化に広く用いられている。凸微分対象に対するフルランクAB固定点の大域的最適性の必要十分条件を確立する。
論文参考訳（メタデータ） (2026-09-09T05:19:11Z)
One Step, One Lead: Mitigating Higher-Order Interference in Multi-Domain Reinforcement Learning via Cross-Step Control [62.82372407840088]
同点領域勾配は、連続的な更新が出力空間で部分的に逆転する場合においても、ほぼ一定であることを示す。トークンレベルのリバウンドリスクをランク付けするために,各イテレーションでフォーカスドメインを指定するOSOLを提案する。 OSOLは0.4822のドメイン-マクロ平均に達し、最強の比較ベースラインよりも5.7%向上した。
論文参考訳（メタデータ） (2026-09-06T08:32:59Z)
UCBound-Net: Uncertainty-Guided Boundary-Aware Continual Learning for Domain-Incremental Ultrasound Segmentation [0.0]
リスクを忘れるための空間的プロキシとして,モンテカルロ(MC)ドロップアウトの不確実性を利用する連続セグメンテーションフレームワークUCBound-Netを紹介する。本手法は, 凍結教師の高エントロピー領域における知識伝達信号を増幅する不確実性重み付き境界蒸留, 過度な不正確な予測を明示する不確実性校正正規化, および, 境界領域が最も高いエントロピーを示すサンプルを優先的に記憶するメモリバッファである不確実性誘導選択の3つの相乗的成分に寄与する。
論文参考訳（メタデータ） (2026-08-02T22:11:20Z)
CADRE: Stable, Parameter Efficient Adaptation of Medical Vision Language Models with Bounded Forgetting and Prior Drift [0.10742675209112622]
新しい画像モダリティのためのデプロイモデルの更新は、患者を傷つける2つの方法で静かに失敗する可能性がある。本研究は,これらの2つの特性によるパラメータ効率の連続的適応について,リーダーボードの精度を忘れることなく検討する。 CADRE は低ランク適応 (LoRA) とオンラインの自己スケーリング,類似性を考慮した弾性重み付けという用語を組み合わせたフリーズバックボーンフレームワークである。
論文参考訳（メタデータ） (2026-06-22T15:34:32Z)
Beyond Scalar Scores: Exploring LLM-based Metrics for Clinical Significance Evaluation in Radiology Reports [49.5225801722164]
既存のメトリクスは、医学的に根拠のないスカラーにレポートの品質を低下させることによって、この要件を曖昧にしている。テストベッドとしてReEvalMedベンチマークを用いて,この境界について検討し,計量レベルの臨床的意義を評価する。
論文参考訳（メタデータ） (2026-06-17T08:10:30Z)
How Useful is Causal Invariance for Domain Adaptation in Finite-Sample Settings? [58.740078141879984]
機械学習モデルは、トレーニングされたソースディストリビューションとは異なるターゲットディストリビューションにデプロイされると、しばしば劣化する。因果関係に基づく領域一般化における最近の研究は、共用因果構造が不変な予測因子を誘導する方法を示している。本稿では,完全あるいは部分的な因果知識が,教師付きドメイン適応を確実に改善できるかどうかについて検討する。
論文参考訳（メタデータ） (2026-06-10T21:07:49Z)
Calibrated Inference for the Conditional Average Treatment Effect in the Few-Placebo Regime via Gaussian Processes [0.0]
片方の治療用アームが他方よりもはるかに小さい,少数のプラセボ系について検討した。それらは、その名目レベルよりも、真の効果をほとんど含まない。本稿では,各アームの結果面をガウス過程でモデル化するGP-CATEを提案する。
論文参考訳（メタデータ） (2026-05-26T11:18:42Z)
Partial Causal Structure Learning for Valid Selective Conformal Inference under Interventions [0.0]
ゲノミクスの実験では、交換可能性はしばしば、対象変数を「影響を受けない」ままにしておく介入のサブセットにのみ保持される。 i)「影響のない」キャリブレーション例の誤分類が、明示的な関数$g(,n)$の汚染分数とキャリブレーションセットサイズを介してどのようにカバレッジを劣化させるか、および (ii) 2つの後続指標$Z_a,i=mathbf1iinmathrmdesc(a)$のみを推定するタスク駆動部分因果学習の定式化。
論文参考訳（メタデータ） (2026-03-02T18:58:22Z)
From Calibration to Refinement: Seeking Certainty via Probabilistic Evidence Propagation for Noisy-Label Person Re-Identification [40.73759251488672]
既存のノイズロスのある人物Re-ID法は、ソフトマックス出力を用いた損失補正やサンプル選択方式に依存している。本稿では,キャリブレーションからリファインメントへ伝播する確率的証拠を通じて確実性を求める2段階フレームワークであるCARE法を提案する。精製段階では, クリーン試料とノイズ試料をより正確に識別できるエビデンス伝搬精製法(EPR)を設計する。
論文参考訳（メタデータ） (2026-02-26T15:50:15Z)
MeCaMIL: Causality-Aware Multiple Instance Learning for Fair and Interpretable Whole Slide Image Diagnosis [40.3028468133626]
MIL(Multiple Case Learning)は、コンピュータ病理学における全スライド画像(WSI)解析の主流パラダイムとして登場した。因果関係を意識したMILフレームワークである textbfMeCaMIL は、構造化因果グラフを通じて、階層的共同創設者を明示的にモデル化する。 MeCaMILは優れた公正性を達成する -- 人口格差の分散は、属性全体の平均で65%以上減少する。
論文参考訳（メタデータ） (2025-11-14T06:47:21Z)
Cross-World Assumption and Refining Prediction Intervals for Individual Treatment Effects [6.083038976289835]
高い意思決定のためには、個々の治療効果の推定には有効な予測間隔が伴わなければならない。高い意思決定のためには、個々の治療効果の推定には有効な予測間隔が伴わなければならない。
論文参考訳（メタデータ） (2025-07-16T18:58:18Z)
Clustered Switchback Designs for Experimentation Under Spatio-temporal Interference [44.644520116360106]
我々は, 平均治療効果 (GATE) を推定し, 全単位を常に治療やコントロールに曝露した平均結果の差を推定した。そこで我々は,単位をクラスタにグループ化し,時間ステップをブロックにグループ化する,クラスタ化されたスイッチバック設計を提案する。良好なクラスタリングを許容するグラフに対して, トラッピングされたHorvitz-Thompson推定器が$tilde O(1/NT)$平均二乗誤差(MSE)を達成することを示す。我々の結果は、citethu2022switchback、ugander2013graph、citetleung2022rateの結果を同時に一般化する。
論文参考訳（メタデータ） (2023-12-25T01:00:58Z)

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。