使用非对称拉普拉斯分布学习生存分布

概率生存分析模型旨在估计给定一组协变量下事件未来发生（时间）的分布。近年来，这些模型倾向于采用非参数设定，以避免通过离散化直接估计生存分布。具体来说，它们使用监督学习在固定时间点估计个体事件的概率，或在固定概率（分位数）下估计事件发生的时间。借鉴分位数回归文献的思想，我们提出了一种基于非对称拉普拉斯分布 (ALD) 的参数化生存分析方法。该分布允许对流行的生存摘要指标（如均值、中位数、众数、变异和分位数）进行闭式计算。该模型通过最大似然进行优化，以在个体层面学习 ALD 分布的参数（位置、尺度和不对称性）。在合成数据和真实数据上的大量结果表明，所提出的方法在准确性、区分度和校准度方面均优于参数化和非参数化方法。