論文の概要: StochIKM: Automated High-Fidelity Reconstruction of Individual Patient Data from Published Kaplan-Meier Curves

• arxiv url: http://arxiv.org/abs/2610.29122v1
• Date: Wed, 21 Oct 2026 03:05:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.186754
• Title: StochIKM: Automated High-Fidelity Reconstruction of Individual Patient Data from Published Kaplan-Meier Curves
• Title（参考訳）: StochIKM:Kaplan-Meier曲線から得られた患者データの自動高精度再構築
• Abstract要約: 既存の手法はすべて高い忠実さを主張し、それぞれが達成すべき合意によって判断される。 データセットは、リスクテーブルを正確に再現し、デジタル化された曲線に従って画像解像度内に到達し、印刷された中央値、インターバル、イベントカウントを尊重する。 視覚能力のある言語モデルで図形をデジタル化するアルゴリズムStochIKMを提案し,高忠実度定義を制約として利用する。
• 参考スコア（独自算出の注目度）: 4.863873443241761
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Individual patient data are the gold standard for secondary analysis of time-to-event evidence, but they are rarely released, and reconstruction from a published Kaplan-Meier figure could help. Existing methods all claim high fidelity, each judged by whichever agreements it happens to achieve, and each returns a single dataset although the map from figure to data is not bijective. We define fidelity explicitly: a dataset is admissible when it reproduces the risk table exactly, follows the digitized curve to within the image resolution, and respects the printed median, interval and event count. We propose StochIKM, a stochastic algorithm that digitizes the figure with a vision-capable language model and uses the high-fidelity definition as constraints, returning an admissible set of individual patient datasets. A solution is guaranteed to exist whenever the figure has been read correctly, so a failure indicts either the published figure or its digitization. In simulation and in 79 arms from published oncology trials, StochIKM reproduces the published risk tables and medians more closely than LLM-improved IPDfromKM, a high-impact alternative.
• Abstract（参考訳）: 個々の患者データは、時間から時間までの証拠を二次分析するための金の標準であるが、それらが公表されることは滅多になく、公表されたカプラン・マイアーの人物からの復元が助けとなる。 既存の手法はすべて高い忠実さを主張し、それぞれが達成すべき合意によって判断され、それぞれが1つのデータセットを返すが、図からデータへのマップは客観的ではない。 データセットは、リスクテーブルを正確に再現し、デジタル化された曲線を画像解像度内で追従し、印刷された中央値、インターバル、イベントカウントを尊重する。 視覚能力のある言語モデルで図をデジタル化する確率的アルゴリズムStochIKMを提案し,高忠実度定義を制約として使用し,個々の患者データセットの許容範囲を返却する。 フィギュアが正しく読まれるたびに解が存在することが保証され、フェールが発行されたフィギュアまたはそのデジタル化を告知する。 シミュレーションおよび公表された腫瘍学試験からの79の腕において、StochIKMは発行されたリスクテーブルと中央値の再現を行う。

関連論文リスト

• Performative Prediction with Selective Labels [7.685857844572122]
  我々は、選択的ラベルを用いて演奏予測を定式化し、観察データのみに基づいて再トレーニングを行うことで、再トレーニングの手順を誤ったものにすることができることを示す。 条件付きラベル分布に対する感度推定では, 従来受理されていたデータが時間とともにこれらの信頼区間を締め付けることができることを示す。
  論文  参考訳（メタデータ） (2026-10-06T12:45:43Z)
• Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
  現実の時系列では欠落値が一般的である。 現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。 このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。 本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
  論文  参考訳（メタデータ） (2025-09-27T20:57:48Z)
• Recursive Equations For Imputation Of Missing Not At Random Data With Sparse Pattern Support [8.863778901027061]
  データ分析パイプラインで欠落した値を処理するための一般的なアプローチは、ソフトウェアパッケージによる複数の命令である。 我々は、欠落したデータのグラフィカルモデルにおける全データ法則の新たな特徴付けを開発する。 MISPRは、データがMARの場合、MICEに匹敵する結果を得るが、MNARの場合、より優れ、バイアスの少ない結果が得られる。
  論文  参考訳（メタデータ） (2025-07-21T23:18:36Z)
• Learning-Order Autoregressive Models with Application to Molecular Graph Generation [52.44913282062524]
  本稿では,データから逐次推定される確率的順序付けを用いて高次元データを生成するARMの変種を紹介する。 提案手法は,画像およびグラフ生成において有意義な自己回帰順序を学習できることを実験的に実証した。
  論文  参考訳（メタデータ） (2025-03-07T23:24:24Z)
• Geometry-Aware Instrumental Variable Regression [56.16884466478886]
  本稿では,データ導出情報によるデータ多様体の幾何を考慮した移動型IV推定器を提案する。 本手法のプラグイン・アンド・プレイ実装は,標準設定で関連する推定器と同等に動作する。
  論文  参考訳（メタデータ） (2024-05-19T17:49:33Z)
• PRISM: Mitigating EHR Data Sparsity via Learning from Missing Feature Calibrated Prototype Patient Representations [7.075420686441701]
  PRISMは、類似した患者のプロトタイプ表現を活用することで、データを間接的にインプットするフレームワークである。 PRISMには、ステータスの欠如を考慮した各機能の信頼性を評価する機能信頼モジュールも含まれている。 MIMIC-III, MIMIC-IV, PhysioNet Challenge 2012, eICU データセットを用いた実験により, PRISM の院内死亡予測と30日間の読解作業における優れた性能が示された。
  論文  参考訳（メタデータ） (2023-09-08T07:01:38Z)
• ChiroDiff: Modelling chirographic data with Diffusion Models [132.5223191478268]
  チャーログラフィーデータのための強力なモデルクラスである「拡散確率モデル(Denoising Diffusion Probabilistic Models)」やDDPMを導入している。 我々のモデルは「ChiroDiff」と呼ばれ、非自己回帰的であり、全体論的概念を捉えることを学び、したがって高い時間的サンプリングレートに回復する。
  論文  参考訳（メタデータ） (2023-04-07T15:17:48Z)
• Model-based Clustering with Missing Not At Random Data [0.8777702580252754]
  我々は,MNARデータを含む,非常に一般的なタイプの欠落データを扱うために設計されたモデルベースのクラスタリングアルゴリズムを提案する。 いくつかのMNARモデルについて議論し、不足の原因は、欠落変数自体の値とクラスメンバーシップの両方に依存する。 MNARzと呼ばれる特定のMNARモデルに注目する。
  論文  参考訳（メタデータ） (2021-12-20T09:52:12Z)
• Identifying Statistical Bias in Dataset Replication [102.92137353938388]
  モデルが(11-14%) の精度低下を示すImageNetデータセットの再現について検討した。 同定された統計バイアスを補正した後、推定3.6%のpm 1.5%の当初の11.7%のpm 1.0%の精度低下しか記録されていない。
  論文  参考訳（メタデータ） (2020-05-19T17:48:32Z)

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。