May, 2020

将肾脏交换算法调整为符合人类价值观

HTML
PDF
TL;DR该论文提供一种评估肾脏交换中个体权重的全流程方法，首先确定了一份患者分类指南，然后对参与者进行对比调查，并从中有条不紊地估计权重并将其用于市场清算算法中用于优先级排序的目的。
发现论文，激发创造
  • 大肾交换图的小表示

    本文研究肾脏交换问题，提出如果肾脏交换兼容性图可以用固定数量的患者和捐献者属性来编码，则可以在多项式时间内清除肾脏交换问题。

    May, 2016

  • 肾脏交换的位置索引公式

    本文提出了三种新的整数规划公式，旨在增强肾移植交换市场的可行性，通过应用实例展示这些公式的高效性。

    Jun, 2016

  • 平衡字典公平和利他目标及其在肾脏移植中的应用

    本文解决了现代肾脏交换中公平代价的理论问题，并提出了一种平衡严格词典型偏好顺序和效率最大化的综合公平规则。该规则具有一个参数，可以通过制定政策进行调整。实验结果表明，与其他公平规则相比，该规则更能产生可靠的结果。

    Feb, 2017

  • 肾脏交换中的手术框架与俱乐部

    研究旨在通过在肾脏捐献中引入非指定捐献者和器官俱乐部的概念，从而改善社会福利。作者还提出了运营框架的概念，用于这些新型器官交易的市场清算问题，并证明了这种模型的不可计算性质。

    May, 2017

  • 可扩展的强健肾脏交换

    本文旨在提供两种可扩展的健壮方法来处理肾脏交换中的不确定性，并在现实数据中展示健壮性的好处，从而使得在鲜为人知的市场上实现公正。

    Nov, 2018

  • 肾脏交换中基于异质偏好的对齐

    本文提出、实现并评估了一种对肾脏交换领域的病人进行优先排序的方法，该方法基于人类对特定困境的反应，动态地确定了病人的优先权重，并得到了实验验证的效果。

    Jun, 2020

  • 对成对肾脏交换项目中公平学习的惩罚与奖励

    肾脏交换计划通过动态算法选择器官交换，学习算法提高整体效果，尤其强调公平性与等待时间的减少。而决定交换计划效果的关键因素是对非指定捐赠者的负权重分配。

    Sep, 2023

  • 基于部署数据的在线分配有限社会资源的最优和公平策略学习

    研究了将稀缺的社会资源分配给异质性申请人的问题，根据观察到的协变量设计了一种在线政策，以满足预算限制并最大化预期结果，并通过数据驱动的政策几乎确定渐近实现了最佳样本外政策的预期结果，并扩展了包括各种公平约束的框架。

    Nov, 2023

  • 朝着利益相关者对齐的机器学习的稳定偏好

    为了应对肾脏分配面临的紧迫挑战，本研究旨在开发一个数据驱动的解决方案，并融入利益相关者的价值观。通过使用“两两对比肾脏患者在线调查”数据，经过个人、团体和稳定性三个层面的评估，我们运用机器学习分类器来学习个人和团体层面对肾脏分配的偏好。通过将利益相关者的偏好融入肾脏分配过程，我们致力于推进器官移植的伦理维度，促进道德价值观融入算法决策，以实现更加透明和公平的实践。

    Jan, 2024

  • 从非专家利益相关方对肾移植的社会公平偏好中学习

    通过设计公平反馈调查问卷评估一种肾脏接受率预测器（ARP），以及提出基于最小化社会反馈遗憾的新型逻辑回归公平反馈模型的社会公平偏好学习算法，本研究估计并详细讨论了众筹调查中公众对肾脏配对中的群体公平概念的偏好。

    Apr, 2024