CURE-OOD：癌症生存预测的异常分布检测基准
计算机视觉与模式识别
2026-05-04 v1
摘要
"我在接受癌症诊断和治疗后，还能活多久？"是患者首要要问的疑问。准确的生存预测有助于减轻心理压力，支持风险分层和个体化治疗计划。近期的生存预测框架在利用计算断层扫描 (CT) 图像方面显示出强大的性能。然而，由于影像获取方式的差异，引起的异常分布 (OOD) 样本（由协变量漂移引起）会削弱模型的可靠性。尽管存在这一挑战，但据我们了解，尚无基准系统地研究癌症生存预测中的 OOD 检测。为填补这一空白，我们引入癌症生存 bEnchmark for OOD Detection (CURE-OOD)，这是第一个系统评估癌症生存预测中 OOD 检测的基准。在 CURE-OOD 中，定义了基于扫描器参数的训练、驻留分布 (ID) 和 OOD 测试划分，覆盖四个生存预测任务。我们的实验表明，协变量漂移显著降低了生存预测性能。同时，主流以分类为导向的 OOD 检测器在生存预测中也会失败。最后，我们包括 HazardDev 作为一种简单的生存感知参考基准，用于 OOD 检测。CURE-OOD 使我们能够系统性地分析分布漂移如何影响下游生存性能和 OOD 可检出性。
引用
@article{arxiv.2605.00350,
title = {CURE-OOD: Benchmarking Out-of-Distribution Detection for Survival Prediction},
author = {Wenjie Zhao and Jia Li and Mingrui Liu and Jing Wang and Yunhui Guo},
journal= {arXiv preprint arXiv:2605.00350},
year = {2026}
}