专栏首页arxiv.org翻译专栏调整肾脏交换算法以符合人为要求 (cs.AI)
原创

调整肾脏交换算法以符合人为要求 (cs.AI)

有限资源的高效、合理配置是经济学和计算机科学中的一个经典问题。在肾脏交换中,一个中央市场制造商将活体肾脏捐献者分配给需要器官的病人。肾脏交换中的患者和捐赠者使用委员会决定的临时权重进行优先排序,然后这种临时权重会加入一个分配算法,确定谁得到什么,谁得不到。在本文中,我们提供了一种端到端方法,用于估算肾脏交换中个体参与者档案的权重。我们首先从人类受试者那里获得一份他们自身认可的患者属性清单,以便确定患者的优先次序(例如,医疗特征、生活方式选择等)。然后,我们根据受试者的回答,以原则性的方式在患者档案和估计权重之间进行比较查询。我们演示如何在肾脏交换市场清算算法中使用这些权重。然后,我们评估模拟过程中权重的影响,发现我们计算的权重的精确数值价值很小,除了它们所暗示的档案顺序。然而,与根本不优先考虑患者相比,仍旧具有显著的影响,某些类别的患者可以获得优先处理,这是与人为的优先顺序结果相吻合的。

原文标题:Adapting a Kidney Exchange Algorithm to Align with Human Values

原文:The efficient and fair allocation of limited resources is a classical problem in economics and computer science. In kidney exchanges, a central market maker allocates living kidney donors to patients in need of an organ. Patients and donors in kidney exchanges are prioritized using ad-hoc weights decided on by committee and then fed into an allocation algorithm that determines who gets what--and who does not. In this paper, we provide an end-to-end methodology for estimating weights of individual participant profiles in a kidney exchange. We first elicit from human subjects a list of patient attributes they consider acceptable for the purpose of prioritizing patients (e.g., medical characteristics, lifestyle choices, and so on). Then, we ask subjects comparison queries between patient profiles and estimate weights in a principled way from their responses. We show how to use these weights in kidney exchange market clearing algorithms. We then evaluate the impact of the weights in simulations and find that the precise numerical values of the weights we computed matter little, other than the ordering of profiles that they imply. However, compared to not prioritizing patients at all, there is a significant effect, with certain classes of patients being (de)prioritized based on the human-elicited value judgments.

原文作者:Rachel Freedman, Jana Schaich Borg, Walter Sinnott-Armstrong, John P. Dickerson, Vincent Conitzer

原文地址:http://arxiv.org/abs/2005.09755

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 针对全球健康设计的人工智能:从医疗保健数字化转型十年中学习知识(cs.CY)

    生活在资源有限的环境中的人的健康需求是机器学习 (ML) 和医疗保健交汇领域中一个不容忽视和研究不足的部分。虽然近年来,随着深度学习的进步,ML在卫生保健中的使...

    Donuts_choco
  • 在存在累计前景博弈者的博弈论下的黑盒策略与平衡(cs.GT)

    偏好关系的中间属性规定了两个彩票的可能性混合应该在这两个彩票的偏好之间。它是独立属性的一种弱化形式,并且因此满足于期望效应理论(EUT)。实验中对于中间属性的违...

    Donuts_choco
  • 用于实时人脸识别的新型分布式近似化近邻算法(cs.CV)

    如今人脸识别,更普遍推广开来就是图像识别,在现代世界中具有许多应用,并广泛应用于我们的日常工作中。本文提出了一种新型的分布式近邻(ANN)方法,用于包含大量类的...

    Donuts_choco
  • 深度学习时代中的新兴多agent通信(CS CL)

    通过语言进行合作的能力是人类的基本特征。随着深度人工网络的感知,运动和计划能力的增强,研究人员正在研究他们是否还可以开发一种共享的语言进行交互。从科学的角度来看...

    小童
  • 建模和解决多模式汽车和共乘问题(cs AI)

    本文介绍了多模式汽车和乘车共享问题(MMCRP),其中,汽车库里的汽车用于满足一组乘车请求,而未发现的请求将分配给其他运输方式(MOT)。汽车的路线包含一个或多...

    DANDAN用户6837186
  • 基于智能多智能体的系统在电子医疗安全中的应用(CS CAS)

    近年来,用于电子医疗记录(EHR)的广泛系统的可用性和使用不断增加。在诸如医院和其他实验室的医疗中心,在治疗过程中形成了更多的健康数据集。为了提高医疗保健中提供...

    时代在召唤
  • 通过低熵密钥实现分散式安全电子邮件和信息传递中身份验证和密钥管理自动化(CS CR)

    我们重新审视了去中心化的端到端加密电子邮件和安全消息传递中的实体认证问题,然后提出了一种基于密码-认证密钥交换(PAKE)的实用的、可自我维持的加密解决方案。这...

    刘持诚
  • Model-Based 两篇paper

    Plan Online, Learn Offline: Efficient Learning and Exploration via Model-Based C...

    用户1908973
  • 基于不确定性原理的优化;新的元启发式策略框架(CS NE)

    为了更灵活地在勘探与开发之间取得平衡,本文提出了一种基于不确定性原理的新的元启发式方法。事实证明,UP在科学的多个分支中都是有效的。在量子力学的分支中,在任何量...

    小童
  • 语义分割--Deep Dual Learning for Semantic Image Segmentation

    Deep Dual Learning for Semantic Image Segmentation ICCV2017

    用户1148525

扫码关注云+社区

领取腾讯云代金券