一种用于含删失与多样协变量的生存时间预测的潜变量模型
应用统计
2017-06-22 v1
摘要
实现精准医疗的承诺需要对疾病状态进行准确且精确的分类。对于癌症，这包括从大量协变量中预测生存时间。此类数据为改进预测提供了机遇，但也因高维度而带来挑战。此外，疾病群体可能具有异质性。综合建模是合理的，其基本假设是：对多个协变量进行联合分析比单独分析能提供更强的解释力。我们提出一种综合潜变量模型，该模型结合了针对多种数据类型的因子分析，以及用于带有信息删失的连续生存时间的指数 Cox 比例风险模型。因子模型与 Cox 模型通过低维潜变量连接，这些潜变量可被解释和可视化，以识别亚群。我们使用该模型预测生存时间。我们在模拟实验和四个癌症基因组图谱数据集上展示了该模型的效用：弥漫性低级别胶质瘤、多形性胶质母细胞瘤、肺腺癌和肺鳞状细胞癌。这些数据集具有样本量小、高维多样协变量和高删失率的特点。我们将本模型的预测结果与两个替代模型进行了比较。我们的模型在模拟中表现更优，并在真实数据集上具有竞争力。此外，弥漫性低级别胶质瘤的低维可视化显示了已知的亚群。
引用
@article{arxiv.1706.06995,
title = {A latent variable model for survival time prediction with censoring and diverse covariates},
author = {Shannon R. McCurdy and Annette Molinaro and Lior Pachter},
journal= {arXiv preprint arXiv:1706.06995},
year = {2017}
}