PulseAugur
中
实时 10:00:54

新方法将年龄生物标志物中的疾病效应归因于训练数据

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为pyinfluence的新方法，用于将规范性年龄生物标志物中的疾病相关效应归因于单个训练样本。该技术通过留一法再训练进行验证，根据训练样本对保留的病例对照分离的影响程度进行排名。当应用于英国生物银行（UK Biobank）的四种疾病数据时，移除影响最大的前10%训练样本会持续增加保留的疾病相关效应大小，特别是使2型糖尿病的代谢组年龄效应翻倍，并提高多发性硬化症的脑年龄效应。 AI

影响 这项研究可能带来更强大、更具可解释性的年龄预测模型，通过识别关键训练数据点来改善疾病风险评估。

排序理由 该集群包含一篇研究论文，详细介绍了一种用于归因机器学习模型中效应的新方法。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新方法将年龄生物标志物中的疾病效应归因于训练数据

本文如何被排名

Signal score
12 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群包含一篇研究论文，详细介绍了一种用于归因机器学习模型中效应的新方法。
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, model release
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Same-day
Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Jakob Snel, Marc-Andre Schulz ·

    Attributing Cohen's d：规范性年龄生物标志物中与疾病相关的效应的训练数据归因

    arXiv:2609.07729v1 Announce Type: new Abstract: Normative age models are trained to predict chronological age in a nominally healthy cohort. Applied to patients, they deviate, and the gap between predicted and chronological age is read as disease risk. Here, we attribute the dise…

相关实体

相关话题