CRISP-NAM：基于神经加性模型的竞争风险可解释生存预测
机器学习
2025-09-26 v5
摘要
竞争风险是生存建模中的关键考量因素，尤其是在患者可能经历多种不同事件类型的医疗保健领域。我们提出了 CRISP-NAM（基于神经加性模型的竞争风险可解释生存预测），这是一种用于竞争风险生存分析的可解释神经加性模型，它扩展了神经加性架构以对特定原因风险进行建模，同时保留了特征级的可解释性。每个特征通过专用的神经网络独立贡献于风险估计，从而能够可视化协变量与每种竞争风险之间的复杂非线性关系。与现有方法相比，我们在多个数据集上展示了具有竞争力的性能。
引用
@article{arxiv.2505.21360,
title = {CRISP-NAM: Competing Risks Interpretable Survival Prediction with Neural Additive Models},
author = {Dhanesh Ramachandram and Ananya Raval},
journal= {arXiv preprint arXiv:2505.21360},
year = {2025}
}
备注
Added missing subsections and minor bug fixes