SurvCORN：基于条件序数排名神经网络的生存分析
机器学习
2024-10-01 v1 机器学习
摘要
生存分析在通过建模时间到事件数据来估计患者未来事件发生的概率方面发挥着关键作用，尤其是在需要对结果（如死亡和疾病复发）进行预测的医疗环境中。然而，这一分析面临着受限数据（即对某些数据点缺失时间到事件信息）的挑战。然而，受限数据可以在恰当地将限制时间纳入建模后，提供宝贵的见解。本文提出了SurvCORN，一种新方法，利用条件序数排名神经网络直接预测生存曲线。此外，我们引入了SurvMAE，这是一个用于评估模型预测估计时间到事件结果准确性的指标。通过在两个真实世界癌症数据集上的实证评估，我们展示SurvCORN在保持患者结果之间准确排序方面的能力，同时改进了单个时间到事件预测。我们的贡献将最近的序数回归进展扩展到生存分析，为医疗环境中准确预后诊断提供了有价值的见解。
引用
@article{arxiv.2409.19901,
title = {SurvCORN: Survival Analysis with Conditional Ordinal Ranking Neural Network},
author = {Muhammad Ridzuan and Numan Saeed and Fadillah Adamsyah Maani and Karthik Nandakumar and Mohammad Yaqub},
journal= {arXiv preprint arXiv:2409.19901},
year = {2024}
}