基于成对残差差值和生存集成模型及其在肺癌微阵列研究中的应用

就发病率和死亡率而言，肺癌是美国最常见的癌症之一。据估计，2009 年仅肺癌就将导致超过 15 万人死亡。遗传信息是表征癌症个体特性的极有价值的数据来源。在过去几年中，研究者开展了大量关联研究，在这些研究中，相对于基因预测变量的数量，收集了相对较少患者的密集遗传数据，其科学目标之一是识别与癌症复发或生存相关的遗传特征。在本注记中，我们通过 boosting 这一机器学习中的强大工具的一种新应用，提出高维生存分析方法。我们的方法基于加速寿命模型，并最小化成对残差的差值和。我们将该方法应用于一项最近的肺腺癌微阵列研究，发现我们的集成模型由 19 个基因组成，而比例风险 (PH) 集成模型由 9 个基因组成，后者是 19 基因面板的一个真子集。在我们的一个模拟场景中，我们证明，在模型误设的情况下，PH boosting 倾向于欠拟合，并平均而言忽略中等大小的协变量效应。诊断分析表明，该微阵列数据不满足 PH 假设，这可能部分解释了活跃系数集合的差异。我们的模拟研究和比较数据分析表明，仅通过 PH 模型进行统计学习是不够的。