Generative Adversarial Imputation Networks (GAIN) to Handle Missing Clinical Data for IVF Success Prediction
Notice bibliographique
Résumé
Missing data are a common challenge for machine learning (ML) approaches that provide clinical decision support, especially for complex medical outcomes such as In Vitro Fertilization (IVF) treatment prediction. Imputation methods have been studied to handle missing data, and shown to provide performance improvement of prediction models. Recently, Generative Adversarial Imputation Networks (GAIN) have been successfully applied to handle missing values in clinical data. This study implements and evaluates four imputation methods: a statistical, single imputation method and three ML-based imputation approaches, being KNN, MissForest, and GAIN. Imputation was applied to the full dataset, and the resulting complete data was then used to construct three task-specific datasets: blastocyst, pregnancy, and birth. Datasets are built based on a IVF treatment database of over 300 patients, and composed of over 50 discriminative features. Prediction models are built based on a 10-fold cross validation split and five classification algorithms: MLP, Random Forest, XGBoost, Gradient Boosting, and Bayesian Logistic. After applying imputation methods, feature value distributions remained largely consistent when compared to the distributions prior to imputation. Results suggest that GAIN imputation leads to effective convergence during model training, as both generator and discriminator losses decrease considerably. GAIN imputation outperformed all other ML-based imputation methods for the three prediction tasks. While single imputation yield F1 metrics for blastocyst, pregnancy, and birth of$0.50,0.56,0.13$, GAIN yield$0.74,0.75,0.76$, respectively for the negative class; for the positive class single imputation yield F1 metrics of$0.67,0.45,0.81$, while GAIN yield$0.76,0.51,0.85$respectively. Improvement of classification model performances after imputation suggest that a generative imputation approach might be beneficial to the task at hand.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».