論文の概要: Label-Space Mismatch Distorts Cross-Cohort Evaluation in Breast Cancer Molecular Subtyping

• arxiv url: http://arxiv.org/abs/2610.24962v1
• Date: Sun, 18 Oct 2026 02:25:47 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:13:09.303794
• Title: Label-Space Mismatch Distorts Cross-Cohort Evaluation in Breast Cancer Molecular Subtyping
• Title（参考訳）: Label-Space Mismatch Distorts Cross-Cohort Evaluation in breast cancer molecular subtyping
• Abstract要約: 乳がんサブタイプ分類器のクロスコホート評価は、ソースおよびターゲットコホートが異なるアノテーション標準を使用する場合、信頼性が低い。 ラベル空間制限は、TCGA-BRCAとGSE21653において支配的な修正である。 このプロトコルは、内部バリデーションがクロスコホート値をオーバーステートする理由を公開する。
• 参考スコア（独自算出の注目度）: 9.078658002826192
• License:
• Abstract: Cross-cohort evaluation of breast cancer subtype classifiers is unreliable when source and target cohorts use different annotation standards: METABRIC labels six classes, PAM50 defines five, and a claudin-low prediction cannot be correct under a five-class standard. A classifier transferred from 1,369 METABRIC patients (train n=958) to TCGA-BRCA (n=987) and GSE21653 (n=266) separates three evaluation operations routinely conflated in cross-site comparisons. (1) Label-space restriction - an evaluation-rule change, not a retraining gain - is the dominant correction (73.76%->79.74% on TCGA-BRCA; 63.16%->68.42% on GSE21653); (2) EM prior correction on the reconciled space is an optional calibration step (Brier fidelity up, macro F1 down; to 80.65% and 74.06%); and (3) the target label space is not recoverable from unlabelled predictions (EM retains prior 0.0751 on the absent class; calibrated detectors fail), so compliance must come from cohort documentation. The protocol exposes why internal validation overstates cross-cohort value: multimodal fusion gains do not transfer (no configuration beats mRNA alone, n=694; McNemar p=0.13-1.00), and the genomic panel adds nothing to pathological complete response prediction over clinical variables (DeltaAUC = +0.0045). Clinically, without label-space compliance, cross-site accuracy comparisons misattribute annotation-standard differences to model skill; Luminal A/B and claudin-low boundary errors map to distinct treatment decisions; and subtype accuracy is a weaker portable endpoint than survival discrimination (external C-index 0.577-0.584). Reporting the cohort's allowed label set and applying label-space compliance are therefore prerequisites before any cross-cohort performance claim.
• Abstract（参考訳）: METABRICは6つのクラスをラベル付けし、PAM50は5つのクラスを定義し、Claudin-low予測は5つのクラス標準の下では修正できない。 1,369人のMetaBRIC患者(列車n=958)からTCGA-BRCA(n=987)、GSE21653(n=266)に移行した分類器は、クロスサイト比較において日常的に混在している3つの評価操作を分離する。 1) ラベル空間制限 - 再トレーニング利得ではなく評価ルールの変更 - は支配的な修正(TCGA-BRCAでは73.76%->79.74%、GSE21653では63.16%->68.42%)であり、(2) 調整済み空間のEM事前補正はオプションの校正ステップである(マクロF1はBrier fidelity up、マクロF1は80.65%、74.06%まで)。 マルチモーダル融合ゲインは(構成がmRNAに勝ることはない)、n=694; McNemar p=0.13-1.00)、臨床変数に対する病理学的完全反応予測(DeltaAUC = +0.0045)には何の役にも立たない。 臨床的には、ラベル空間の遵守なしに、クロスサイト精度は、モデルスキルとアノテーションの標準的相違を誤帰させる; ルーミナルA/Bとクローディン低境界誤差は、異なる治療決定にマップされる; サブタイプ精度は、生存判定よりも弱いポータブルエンドポイントである(外部C-index 0.577-0.584)。 したがって、コホートの許可されたラベルセットを報告し、ラベル空間のコンプライアンスを適用することは、クロスコホートパフォーマンスクレームの前に必要不可欠である。

関連論文リスト

• Cross-Scale Transfer Learning for Depression Severity Prediction: From PHQ-8 to HAMD-17 Across Languages and Clinical Paradigms [6.137096667354723]
  本研究は,データ不足下における臨床面接書からのうつ病重症度予測に対処する。 クロススケール転送のためのシーケンシャルローランク適応(LoRA)プロトコルを提案する。
  論文  参考訳（メタデータ） (2026-09-23T17:30:07Z)
• Adaptive Conformal Redistribution for Inter-class Transitional Uncertainty in Medical Image Classification [9.578682349231789]
  アダプティブコンフォメーション(Adaptive conformal redistribution, AdaConRed)は、曖昧な予測セットを洗練されたクラス割り当てに変換する、ラベルのないポストコンフォーマル決定ルールである。 AdaConRedはLAC、APS、RAPSを同じバックボーンと再配布規則で上回る。 コンフォーマルな予測は、移行性疾患のカテゴリが存在する行動可能な意思決定支援に向けて、不確実性を超えて拡張することができる。
  論文  参考訳（メタデータ） (2026-09-10T06:21:30Z)
• TRIAGE: Risk-Controlled Pseudo-Label Admission for Annotation-Efficient Semi-Supervised Retinal OCT Classification [0.6213771671016098]
  本稿では,OCTスキャン分類のためのリスク制御型半教師付きフレームワークTRIAGEを提案する。 ノアアイ病院(Bスキャン16,822人、161人、554巻)のデータセットで、TRIAGEは89.66%のスキャンレベルの精度、0.8805のマクロF1、0.9641のマクロAUC、そして8.34%の下位グレードレートを示している。
  論文  参考訳（メタデータ） (2026-08-14T14:06:48Z)
• CASCADE: An Agentic Regulatory Network Framework for Patient-Data-Validated Downstream Perturbation Prediction [0.0]
  我々は、実際のTCGA患者の腫瘍データに対するノックダウンの逆転のプロキシとして、焦点遺伝子コピーナンバーアンプリフィケーション(cuscus-gene copy-number amplification)を用いる。 MYCの場合、CASCADEの予測されたノックダウンターゲットは、実際のvs非増幅腫瘍の発現と強い一致を示した。 その精度は、MYCまたはE2F駆動生物学の既存の公的な知識を超えないことが示されている。
  論文  参考訳（メタデータ） (2026-08-05T19:30:44Z)
• What EEG Foundation Models Encode: Dataset Identity and a Negative-Control Suite for Clinical Benchmarks [0.0]
  LaBraM、EEGMamba、CBraMod、REVE、LEAD、BENDR、BIOTを4つのデータセットで5つの臨床タスクでベンチマークする。 我々は、より強力な古典的コンパレータ、ラベルの置換、スクランブルラベルの微調整、ランダム初期化制御による明らかなゲインに挑戦する。 結論はモンタージュマッチング、患者オーバーラップチェック、より強力なコンパレータ、表現制御後に大きく変化する。
  論文  参考訳（メタデータ） (2026-07-27T14:59:42Z)
• Screening of Biosecurity Features in Metagenomic Data with Evo 2 Probes [35.18016233072556]
  Evo 2のようなゲノム基盤モデルは、リッチなシーケンス表現を学習するが、バイオセキュリティスクリーニングの価値はほとんど探索されていない。 凍結したEvo2層26の活性化に対して、最小限の線形および注意プローブを訓練することにより、これらの表現の中でどの程度のバイオセキュリティ関連信号が線形にアクセスできるかを問う。 保持されたメダゲノミクステストセット全体で、プローブは強い差別で抗菌抵抗を検出する。
  論文  参考訳（メタデータ） (2026-07-15T17:38:02Z)
• Cascade Classification of Dermoscopic Images of Skin Neoplasms with Controllable Sensitivity and External Clinical Validation [36.94429692322632]
  二段式(悪性/良性)、一段式(良性、MEL、SCC、BCC)、二段式(二段式トリアージ、三段式MEL/SCC/BCC)の3種類を比較した。 すべてのモデルはImageNet-pretrained weightsを使用し、オープンなISICアーカイブデータに1つの拡張プロトコルを使用した。 ISIC MILK10kでは、11級の直接分類により平均級感度0.525が得られる。
  論文  参考訳（メタデータ） (2026-06-11T09:55:57Z)
• From Theory to Decision Rule: Calibrating the Noisy-Label Crossover for Vision-Language Model Weak Supervision Across Three Medical-Imaging Benchmarks [41.99844472131922]
  基礎モデル弱いラベルに対するベンチマークキャリブレーションを提供する。 理論によって予測される交差は、PCAMではng100、ISICでは20-50、NIH-CXRでは250-500である。 NIH-CXR上の構造付きvs-ランダムノイズ符号フリップは、境界のレートのみの定式化が不完全であることを示す。
  論文  参考訳（メタデータ） (2026-05-23T23:15:07Z)
• TwinTrack: Post-hoc Multi-Rater Calibration for Medical Image Segmentation [37.01359340333827]
  造影CTにて膵管腺癌 (PDAC) と診断した。 標準的なディープラーニングアプローチは、単一の基礎的真理を前提としており、調整が不十分で解釈が難しい確率的アウトプットを生成する。 実験的な平均人間の反応に対するアンサンブルセグメンテーション確率の時間後キャリブレーションを通じて、このギャップに対処するフレームワークであるTwinTrackを提案する。
  論文  参考訳（メタデータ） (2026-04-17T11:11:43Z)
• From Black Box to Glass Box: Cross-Model ASR Disagreement to Prioto Review in Ambient AI Scribe Documentation [43.148402136307716]
  異種ASRシステム間のクロスモデル不一致は、基準のない不確実性信号として機能する。 商用APIとオープンソースエンジンにまたがる8つのASRシステムを備えた,50の公開医療用オーディオクリップを転写した。 低アグリメント領域は内容の不一致に富み、高リスク質量のクインタイル全体では53.9%から73.9%に増加した。
  論文  参考訳（メタデータ） (2026-03-02T13:02:13Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)

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。