基于生存曲线的事件时间动态预测
机器学习
2021-03-12 v2 人工智能
机器学习
摘要
随着初级卫生保健系统日益复杂，主动的患者失能管理是提升医疗资源可用性的有效途径。一个关键赋能因素是对事件时间的动态预测。传统的解释性统计方法缺乏进行精确个体层面预测的能力，而数据自适应的二分类预测器无法为生物学上合理的生存分析提供名义生存曲线。本文旨在阐明，解释性生存分析的知识可显著增强当前黑箱数据自适应预测模型。我们将近期提出的反事实动态生存模型（CDSM）应用于静态与纵向观测数据，并证实其所估计的个体生存曲线的拐点可可靠预测患者失能时间。
引用
@article{arxiv.2101.10739,
title = {Dynamic prediction of time to event with survival curves},
author = {Jie Zhu and Blanca Gallego},
journal= {arXiv preprint arXiv:2101.10739},
year = {2021}
}