观点：机器学习在心脏移植分配政策优化中应考虑激励因素
机器学习
2026-05-27 v3 计算机科学与博弈论
摘要
稀缺捐献器官的分配是医疗领域最具有挑战性的算法问题之一。尽管该领域正快速从僵化、基于规则的系统向机器学习和数据驱动的优化转变，但我们认为当前方法往往忽视了一个根本障碍：激励因素。在本观点论文中，我们指出器官分配不仅仅是一个优化问题，而是一个涉及器官采购组织、移植中心、临床医生、患者和监管机构的复杂博弈。我们聚焦于美国成人心脏移植分配，识别了该决策链条中关键的激励失调，并展示了数据表明这些失调正在造成当下的不利后果。我们的主要观点是，下一代分配政策应具有激励感知能力。我们概述了机器学习社区的研究议程，呼吁整合机制设计、战略分类、因果推断和社会选择，以确保在各种组成部分面对战略行为时，政策的鲁棒性、效率、公平性和可信度。
引用
@article{arxiv.2602.04990,
title = {Position: Machine Learning for Heart Transplant Allocation Policy Optimization Should Account for Incentives},
author = {Ioannis Anagnostides and Itai Zilberstein and Zachary W. Sollie and Arman Kilic and Tuomas Sandholm},
journal= {arXiv preprint arXiv:2602.04990},
year = {2026}
}
备注
To appear at ICML 2026 (position paper track). V3 incorporates reviewers' feedback