基于特权历史蒸馏的乳腺钼片长期风险预测
机器学习
2026-03-18 v1 应用统计
摘要
乳腺癌是全球致癌死亡的主要原因之一。基于前期检查考试的长期乳腺癌风险预测模型改进了基于多年乳腺癌风险预测。然而，在实际临床实践中，长期历史常不完整、不规则或不可用，因为错过检查、初次检查、异质获取计划或档案限制。缺乏前期检查会降低长期风险模型的性能，并限制其实际应用。虽然训练期间可获得大量长期历史，但测试时常缺少前期检查。本文在推断时间处理缺失历史，提出一种方法将乳腺钼片历史作为训练时的特权信息，并将其预后价值蒸馏到仅依赖当前检查的学生模型中。关键思想是采用具有特定时段教师的特权多教师蒸馏方案：每个教师在完整的长期历史上训练，专注于一个预测时段，而学生仅接收来自当前检查推断的重构历史。这使得学生无需在部署时获取前期检查，即可继承时段相关的长期风险线索。我们的方法在大型乳腺钼片数据集CSAW-CC上进行验证，使用时序AUC评估不同时段的预测性能，将完整历史和无历史基线与蒸馏后模型进行比较。结果表明，我们的特权历史蒸馏方法在无历史模型中显著提升了长时段预测性能，与完整历史模型相当，同时仅依赖当前检查完成推断。
引用
@article{arxiv.2603.15814,
title = {Longitudinal Risk Prediction in Mammography with Privileged History Distillation},
author = {Banafsheh Karimian and Alexis Guichemerre and Soufiane Belharbi and Natacha Gillet and Luke McCaffrey and Mohammadhadi Shateri and Eric Granger},
journal= {arXiv preprint arXiv:2603.15814},
year = {2026}
}