用于器官匹配的自适应加权 Top-N 推荐
机器学习
2023-02-01 v1 计算工程、金融与科学
摘要
减少器官捐献短缺以满足等待名单上患者的需求，一直是器官移植领域面临的主要挑战。由于短缺，器官匹配决策是将有限可用器官分配给最合适患者的最关键决策。目前，器官匹配决策仅通过由第一性原理构建的评分模型计算出的匹配分数来做出。然而，这些模型可能与移植后的实际匹配表现（例如，患者移植后的生活质量或移植物失败指标）不一致。在本文中，我们将器官匹配决策制定为 Top-N 推荐问题，并提出了一种自适应加权 Top-N 推荐方法。AWTR 通过利用历史数据集中有限的实际匹配表现以及从器官捐献者和患者处收集的协变量，提升了当前评分模型的性能。AWTR 通过强调对匹配度最高的前 N 名患者的推荐和排序准确性，牺牲了整体推荐准确率。所提出的方法在一项仿真研究中得到了验证，其中使用 KAS [60] 来模拟器官-患者推荐响应。结果表明，我们提出的方法优于七种 state-of-the-art 的 Top-N 推荐基准方法。
引用
@article{arxiv.2107.10971,
title = {Adaptively Weighted Top-N Recommendation for Organ Matching},
author = {Parshin Shojaee and Xiaoyu Chen and Ran Jin},
journal= {arXiv preprint arXiv:2107.10971},
year = {2023}
}