tdCoxSNN:用于连续时间动态预测的时变 Cox 生存神经网络
机器学习
2024-03-13 v2 机器学习
摘要
动态预测的目标是在随时间推移的过程中提供个体化的风险预测,并随着新数据的获得而更新。为构建一种进行性眼部疾病——年龄相关性黄斑变性(AMD)的动态预测模型,我们提出时变 Cox 生存神经网络(tdCoxSNN),利用纵向眼底图像预测其进展。tdCoxSNN 建立在时变 Cox 模型之上,通过神经网络捕捉时变协变量对生存结果的非线性影响。此外,通过将卷积神经网络(CNN)与生存网络并行整合,tdCoxSNN 可直接将纵向图像作为输入。我们通过大量模拟将所提方法与联合建模及地标法进行比较评估。我们将所提方法应用于两个真实数据集。其一是大型 AMD 研究——年龄相关性眼病研究(AREDS),其中在 12 年间为超过 4000 名参与者采集了超过 50,000 张眼底图像。其二是原发性胆汁性肝硬化(PBC)疾病的公共数据集,其中纵向收集了多项实验室检验以预测至肝移植的时间。我们的方法在模拟研究及两个真实数据集的分析中均展现出值得称道的预测性能。
引用
@article{arxiv.2307.05881,
title = {tdCoxSNN: Time-Dependent Cox Survival Neural Network for Continuous-time Dynamic Prediction},
author = {Lang Zeng and Jipeng Zhang and Wei Chen and Ying Ding},
journal= {arXiv preprint arXiv:2307.05881},
year = {2024}
}