Команда науковців під керівництвом статистика Тео Кіма з Університету Ліхай (США) розробила інноваційний математичний метод, який може докорінно змінити точність прогнозів у медицині, біології, економіці та соціальних науках. Його назвали Maximum Agreement Linear Predictor (MALP) — або ж «лінійний предиктор максимальної узгодженості». Суть підходу полягає в тому, щоб прогнози не просто були близькими до реальних значень, а максимально збігалися з ними. Для цього дослідники використовують показник коефіцієнта узгодженості (Concordance Correlation Coefficient, CCC) — метрику, що враховує і точність, і відповідність даних реальним результатам. На відміну від традиційних методів, які лише мінімізують середню похибку, MALP оптимізує «збіг» передбаченого та фактичного значення на графіку — по суті, наскільки щільно точки лягають уздовж ідеальної 45-градусної лінії. “Ми не просто хочемо, щоб наші прогнози були близькими — ми хочемо, щоб вони співпадали з реальністю,” — пояснює професор Кім. Щоб перевірити ефективність MALP, команда протестувала метод на реальних наборах даних: від медичних сканів очей до вимірювання відсотку жиру в тілі. У кожному випадку MALP показував результати, що точніше відображали реальні показники, ніж класичний метод найменших квадратів, який зазвичай використовується для прогнозування. Науковці зазначають, що новий підхід не просто зменшує помилки — він допомагає досягати максимальної згоди між прогнозом і фактом, що може бути критично важливим у сферах, де навіть незначна похибка має велику ціну — наприклад, у діагностиці хвороб чи фінансовому моделюванні. Попереду — розширення методу за межі лінійних моделей. Команда вже працює над Maximum Agreement Predictor, який дозволить ще глибше узгоджувати прогнози з реальністю, навіть у найскладніших сценаріях.