SurvTimeSurvival：针对具有多次就诊/记录患者的生存分析
机器学习
2023-11-17 v1 人工智能
数值分析
数值分析
摘要
尽管人工智能近期取得进展，对重症患者生存时间的准确预测仍是一项关键挑战。本研究提出“SurvTimeSurvival：针对具有多次就诊/记录患者的生存分析”，利用 Transformer 模型不仅处理时变协变量的复杂性，也处理协变量数据。我们还通过将合成数据生成整合进模型的学习过程，解决了生存分析数据集中常见的数据稀疏问题。我们表明，我们的方法在协变量和时变协变量数据集上均优于最先进的深度学习方法。我们的方法旨在不仅增进对各类疾病下个体患者生存轨迹的理解从而提高预测精度，也在临床试验设计与新疗法开发中起到关键作用。
引用
@article{arxiv.2311.09854,
title = {SurvTimeSurvival: Survival Analysis On The Patient With Multiple Visits/Records},
author = {Hung Le and Ong Eng-Jon and Bober Miroslaw},
journal= {arXiv preprint arXiv:2311.09854},
year = {2023}
}
备注
Accepted as Findings Track in Machine Learning For Health (ML4H) 2023