大腸がんデータに対する量子機械学習：吻合部リークの分類とリスク因子
arXiv cs.LG / 2026/4/16
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文では、発生率が14%の吻合部リークを予測するために、大腸がんの臨床データを用いて、古典的機械学習モデルと量子ニューラルネットワークを比較する。
- 実験では、ZZFeatureMapのエンコーディングにRealAmplitudesおよびEfficientSU2のansatzを用い、模擬量子ノイズ条件下で評価する。
- $F_\beta$目的関数で最適化した量子構成は、古典的ベースライン（66.7%）に比べて実質的に高い感度（83.3%）を達成し、少数クラスの検出を改善する。
- 本研究では、ノイズ下で複数のオプティマイザを検討し、トレードオフを議論することで、将来の量子ハードウェア上での実装に向けた指針を目指す。
