WRSE——一种用于预测ICU个体生存分布的非参数加权分辨率集成方法
机器学习
2020-11-03 v1 机器学习
摘要
重症监护病房（ICU）中死亡率风险的动态评估可用于对患者进行分层、提示治疗有效性或作为早期预警系统的一部分。诸如APACHE或SAPS之类的静态风险评分系统近来已辅以数据驱动方法，以随时间追踪动态死亡率风险。近期工作进一步聚焦于通过生成完整生存分布而非点预测或固定时域风险，向临床医生提供更丰富的信息。在本工作中，我们提出一种非参数集成模型——加权分辨率生存集成（Weighted Resolution Survival Ensemble, WRSE），专门用于估计此类动态个体生存分布。受集成方法简洁性与鲁棒性的启发，所提方法组合了一组二元分类器，这些分类器依据反映短期死亡率预测相关性的衰减函数进行间隔布置。模型与基线在加权校准与区分度指标下进行评估，这些指标针对个体生存分布，紧密反映模型在ICU实践中的效用。我们展示了与最先进概率模型相竞争的结果，同时将训练时间大幅缩短2至9倍。
引用
@article{arxiv.2011.00865,
title = {WRSE -- a non-parametric weighted-resolution ensemble for predicting individual survival distributions in the ICU},
author = {Jonathan Heitz and Joanna Ficek and Martin Faltys and Tobias M. Merz and Gunnar Rätsch and Matthias Hüser},
journal= {arXiv preprint arXiv:2011.00865},
year = {2020}
}
备注
9 pages, 6 figures