生存分析融合分类：慢性疾病早期风险预测模型的新框架
机器学习
2026-03-13 v1 人工智能
摘要
慢性疾病是需要终身医疗关注的长期性疾病。利用大规模电子病历数据，我们开发了针对五种常见慢性疾病（糖尿病、高血压、CKD、COPD 和慢性缺血性心脏病）的早期疾病风险预测模型。本文提出一种新方法，通过整合生存分析与分类技术来开发疾病风险模型。传统的慢性疾病风险预测模型主要独立地关注生存分析或分类。本文表明，生存分析方法可以被重新工程化，以有效且高效地进行分类，从而成为 developing disease risk surveillance models 的全面工具。我们在真实世界的大规模 EMR 数据上的实验结果表明，所提方法在准确率、F1 分数和 AUROC 方面的性能与 LightGBM 和 XGBoost 等先前 SOTA 模型相当或更好。最后，提出的生存模型使用一种新方法生成解释，这些解释已由三位专家医生临床验证。
引用
@article{arxiv.2603.11598,
title = {Survival Meets Classification: A Novel Framework for Early Risk Prediction Models of Chronic Diseases},
author = {Shaheer Ahmad Khan and Muhammad Usamah Shahid and Muddassar Farooq},
journal= {arXiv preprint arXiv:2603.11598},
year = {2026}
}