面向利益相关者一致性的稳定偏好机器学习

为了应对肾脏分配这一紧迫挑战（其特征是对器官的需求不断增长），本研究着手开发一种数据驱动的解决方案，该方案同时纳入了利益相关者的价值观。本研究的主要目标是创建一种方法，用于学习与肾脏分配相关的个体和群体层面的偏好。利用来自“成对肾脏患者在线调查”的数据。借助两个不同的数据集并在三个层面——个体、群体和稳定性——进行评估，我们采用了通过多项指标评估的机器学习分类器。个体层面模型预测个体参与者的偏好，群体层面模型汇总参与者的偏好，而稳定性层面模型作为群体层面模型的扩展，评估这些偏好随时间的稳定性。通过将利益相关者的偏好纳入肾脏分配过程，我们期望推进器官移植的伦理维度，促进更透明和公平的实践，同时推动道德价值观融入算法决策。