意思決定のネットベネフィットを最大化するための、解釈可能なリスクスコアリングシステムの学習

arXiv cs.LG / 2026/4/7

📰 ニュース

要点

  • 本論文は、尤度や予測精度の目的に依存するのではなく、実際の効用と一致しない可能性があるそれらの目的ではなく、意思決定のネットベネフィットを直接最適化する、解釈可能なリスクスコアリングシステムを提案する。

Abstract

リスクスコアリング・システムは、意思決定を支援するために、意思決定の影響が大きい領域で広く用いられています。しかし、既存のアプローチはしばしば、予測精度や尤度ベースの基準の最適化に重点を置いており、効用を最大化するという主たる目的と整合しない場合があります。本論文では、意思決定の閾値の範囲にわたって純便益(net benefit)を直接最適化する、新しいリスクスコアリング・システムを提案します。モデルは疎な整数線形計画問題として定式化されており、整数係数による、透明性の高いスコアリング・システムの構築を可能にします。したがって、解釈性と実務での適用が促進されます。また、純便益、識別(discrimination)、および較正(calibration)の間に成り立つ基本的な関係も確立します。さらに、我々の解析により、純便益を最適化することは従来の性能指標も同時に保証することを示します。提案手法を、複数の公開データセットおよび実世界の臨床データセットの双方で徹底的に評価しました。この計算による検証では、解釈可能な我々の手法が、識別と較正の性能を競争力のある水準に維持しながら、高い純便益を効果的に達成できることが示されました。

意思決定のネットベネフィットを最大化するための、解釈可能なリスクスコアリングシステムの学習 | AI Navigate