离散时间生存分析的双重混合专家框架
机器学习
2025-10-31 v1 人工智能
摘要
生存分析是建模感兴趣事件发生时间的任务，广泛用于临床和生物医学研究。一个关键挑战是同时建模患者异质性，又将风险预测适应于个体特征和时间动态。我们提出了离散时间生存分析的双重混合专家 (MoE) 框架。我们的方案将特征编码器 MoE 用于亚群组感知表征学习，结合风险 MoE 利用患者特征和时间嵌入来捕获时间动态。这种双 MoE 设计可灵活地与现有的基于深度学习的生存管道集成。在 METABRIC 和 GBSG 乳腺癌数据集上，我们的方法在测试集上持续提升性能，将时序 C-index 提升了最高 0.04，并在纳入 Consurv 框架后进一步获得提升。
引用
@article{arxiv.2510.26014,
title = {Dual Mixture-of-Experts Framework for Discrete-Time Survival Analysis},
author = {Hyeonjun Lee and Hyungseob Shin and Gunhee Nam and Hyeonsoo Lee},
journal= {arXiv preprint arXiv:2510.26014},
year = {2025}
}
备注
Accepted to NeurIPS 2025 workshop Learning from Time Series for Health (TS4H)