逆向生存模型（RSM）：一种解释深度生存模型预测的流水线
机器学习
2022-10-31 v1 人工智能
机器学习
摘要
医疗中的生存分析旨在估计事件发生的概率，例如患者在重症监护病房（ICU）的死亡。近期深度神经网络（DNNs）在生存分析中的发展表明，这些模型优于生存分析应用中其他知名模型。确保医疗中部署的深度生存模型的可靠性和可解释性是必要的。由于 DNN 模型常表现为黑箱，其预测可能不易被临床医生信任，尤其在预测与医生意见相左时。能够解释并证明其决策过程的深度生存模型有可能获得临床医生的信任。在本研究中，我们提出逆向生存模型（RSM）框架，该框架可深入洞察生存模型的决策过程。对于每位关注的患者，RSM 可从数据集中提取相似患者，并基于深度生存模型预测所依赖的最相关特征对其进行排序。
引用
@article{arxiv.2210.15674,
title = {Reverse Survival Model (RSM): A Pipeline for Explaining Predictions of Deep Survival Models},
author = {Mohammad R. Rezaei and Reza Saadati Fard and Ebrahim Pourjafari and Navid Ziaei and Amir Sameizadeh and Mohammad Shafiee and Mohammad Alavinia and Mansour Abolghasemian and Nick Sajadi},
journal= {arXiv preprint arXiv:2210.15674},
year = {2022}
}