HACSurv：面向具有依赖性竞争风险的存活分析的层次阿基米德 Copula 方法

在存活分析中，受试者常常面临竞争风险；例如，癌症患者也可能患心脏病或其他疾病，这些疾病会共同影响风险和 censoring 的预后。传统的存活分析方法常将竞争风险视为独立，无法容纳不同条件之间的依赖性。本文介绍了 HACSurv，这是一种从具有竞争风险的数据中学习层次阿基米德 Copula 结构和特定原因存活函数的存活分析方法。HACSurv 采用灵活的依赖结构使用层次阿基米德 Copula 来表示竞争风险和 censoring 之间的关系。通过捕捉风险和 censoring 之间的依赖性，HACSurv 可以提高存活预测的准确性，并提供风险相互作用的洞见。合成数据集上的实验表明，我们的方法能够准确识别复杂的依赖结构，并精确预测存活分布，而与之比较的方法则在预测值与真实分布之间表现出显著偏差。在多个真实数据集上的实验也表明，我们的方法在存活预测方面优于以往的领先方法。