患者特异性生存曲线的同步预测区间
机器学习
2019-06-27 v1 应用统计
机器学习
摘要
对患者生存概率的准确建模为处方治疗致命及终末期疾病的临床医生提供了重要信息。一类近期开发的模型——称为个体生存分布(ISDs)——生成患者特异性生存函数，较以往能提供对患者结局更强的描述能力。遗憾的是，在撰写本文时，ISD模型几乎普遍缺乏不确定性量化。在本文中，我们证明一种已有的从样本估计同步预测区间的方法可轻易适用于患者特异性生存曲线分析并给出准确结果。此外，我们引入了对已有方法的改进以及一种估计同步预测区间的新方法，并表明它们具有具竞争力的性能。值得强调的是，这些方法不限于生存分析，可应用于任何对感兴趣分布采样可行的场景中。代码见 https://github.com/ssokota/spie 。
引用
@article{arxiv.1906.10780,
title = {Simultaneous Prediction Intervals for Patient-Specific Survival Curves},
author = {Samuel Sokota and Ryan D'Orazio and Khurram Javed and Humza Haider and Russell Greiner},
journal= {arXiv preprint arXiv:1906.10780},
year = {2019}
}
备注
7 pages, 7 figures, IJCAI 19