文献

J-GLOBAL ID：202202212912528002   整理番号：22A0696808

SMARTフレームワーク:複製による機械学習アルゴリズムの選択 糖尿病の微小血管合併症に関する事例研究【JST・京大機械翻訳】

The SMART Framework: Selection of Machine Learning Algorithms With ReplicaTions-A Case Study on the Microvascular Complications of Diabetes

著者 (3件)： Swan Breanna P. (Department of Industrial and Systems Engineering, North Carolina State University, Raleigh, NC, USA) ,  Mayorga Maria E. (Department of Industrial and Systems Engineering, North Carolina State University, Raleigh, NC, USA) ,  Ivy Julie S. (Department of Industrial and Systems Engineering, North Carolina State University, Raleigh, NC, USA)
資料名： IEEE Journal of Biomedical and Health Informatics  (IEEE Journal of Biomedical and Health Informatics)
巻： 26  号： 2  ページ： 809-817  発行年： 2022年 
JST資料番号： W1135A  ISSN： 2168-2194  CODEN： IJBHA9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 米国の34百万人以上の人々は,失明,腎不全および切断の主な原因である糖尿病を有する。機械学習(ML)モデルは,有害転帰を予防するための高リスク患者を予測することができる。与えられた疾患,集団,および臨床応用のための「ベスト」予測モデルを選択することは,文献における数百の健康関連MLモデルとML方法論の増加するアベイラビリティのために,挑戦的である。この決定プロセスをサポートするために,著者らは,建築物を統合して,決定理論でMLモデルを選択することを,ReplicaTion(SMART)フレームワークを有する機械学習アルゴリズムの選択を開発した。MLモデルを作成し,複製入れ子交差検定技法による複数の妥当な将来の母集団に対する性能を推定した。決定理論(例えば,ミニマックスRegret)からの一連の精度測度(例えばAUC)とロバスト性計量を用いて,意思決定者の優先順位をシミュレートすることによりMLモデルをランク付けした。ACCORD臨床試験からのデータを用いた糖尿病の微小血管合併症に関する事例研究を通してSMARTフレームワークを提示する。リスク回避,ニュートラル,および探索意思決定者によって作られた選択を比較し,リスク回避とリスク中立選択の80%の一致を見出し,与えられた合併症に対する一貫性を示すリスク回避選択を示した。また,検証セットで最良の結果を予測するモデルは,試験セットに関して低い性能分散を有するものであり,モデル選択におけるリスク回避手法が,高い人口特性変動の可能性が存在するとき,理想的であることも見出した。SMARTフレームワークは,様々なMLアルゴリズムと利害関係者の選好を組み込んだ強力な対話型ツールであり,新しいデータと技術的進歩に一般化できる。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  決定理論 ,  *複製 ,  *糖尿病 ,  アベイラビリティ ,  臨床試験 ,  *事例研究 ,  母集団 ,  意思決定者 ,  ロバスト性 ,  *合併症 ,  腎不全 ,  *機械学習 ,  *学習アルゴリズム ,  予測モデル

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (8件)： SMART ,  フレームワーク ,  複製 ,  機械学習 ,  アルゴリズム ,  糖尿病 ,  微小血管合併症 ,  研究