CK4Gen：用于医疗领域高实用性合成生存数据集生成的知识蒸馏框架
机器学习
2024-10-23 v1
摘要
真实临床数据的获取受到隐私法规的严格限制，这阻碍了医疗研究和教育的发展。这些限制减缓了新疗法和数据驱动医疗解决方案的开发，同时也限制了学生接触真实世界数据集的机会，使他们无法获得必要的实践技能。因此，高实用性的合成数据集对于推进研究和提供有意义的培训材料至关重要。然而，当前的生成模型，如变分自编码器（VAEs）和生成对抗网络（GANs），以牺牲医疗实用性为代价生成表面上的真实数据，混合了不同的患者特征，产生的合成数据实际应用价值有限。为克服这些限制，我们引入了 CK4Gen（Cox 知识生成），这是一个新颖的框架，利用 Cox 比例风险（CoxPH）模型的知识蒸馏来创建保留关键临床特征（如风险比和生存曲线）的合成生存数据集。CK4Gen 通过保持不同的患者风险特征，避免了 VAE 和 GAN 中常见的插值问题，确保为研究和教育提供真实可靠的输出。在四个基准数据集（GBSG2、WHAS500、FLCHAIN 和 支持向量机）上的验证表明，CK4Gen 通过更好地对齐真实数据和合成数据，并通过数据增强提升生存模型的判别力和校准度，优于竞争技术。由于 CK4Gen 可扩展到各种临床条件，且代码将公开，未来的研究人员可以将其应用于自己的数据集，以生成适合开放共享的合成版本。
关键词
引用
@article{arxiv.2410.16872,
title = {CK4Gen: A Knowledge Distillation Framework for Generating High-Utility Synthetic Survival Datasets in Healthcare},
author = {Nicholas I-Hsien Kuo and Blanca Gallego and Louisa Jorm},
journal= {arXiv preprint arXiv:2410.16872},
year = {2024}
}