10:38arXiv cs.LG@Hugo Miccinilli, Theo Di PiazzaChronoSurv是一个基于有向图的框架,用于头颈癌患者的多模态生存预测。它将患者诊疗过程建模为按诊断步骤对齐的临床轨迹,并通过分层拓扑整合细粒度、粗粒度和全局表示。在两个公开数据集上,ChronoSurv实现了优于现有方法的判别性能,且校准误差达到统计显著水平。消融实验验证了各组件对整体性能的贡献。论文ChronoSurv生存分析多模态头颈癌图神经网络推荐理由:这篇论文把临床流程做成图结构来预测生存时间,比传统方法更准,适合做医疗AI的朋友看看。原文
09:49arXiv cs.AI@Minh-Khoi Pham, Luca Cotugno, Alina Sirbu, Tai Tan Mai, Martin Crane, Marija Bezbradica精选该研究提出了一种轻量级适配方法,将表格基础模型(如TabPFN、TabDPT、TabICL)应用于临床生存分析,通过直接训练一个生存感知头(MTLR)来预测右删失的时间事件结果。在多个公开生存基准和两个大规模ICU队列(MIMIC-IV和eICU)上的评估显示,该方法在C-index指标上优于传统深度生存模型(如DeepSurv),相对提升达1.4%-1.7%。这表明预训练表格表示与生存感知目标的结合为临床生存预测提供了实用且有效的替代方案。论文表格基础模型生存分析临床决策迁移学习TabPFN推荐理由:临床研究人员和医疗AI开发者终于有了一个无需从头训练就能做生存分析的方案——用表格基础模型加一个轻量头就能超越DeepSurv,做ICU预后预测的团队可以直接在MIMIC-IV和eICU上复现。原文
12:37arXiv cs.LG@Jef Jonkers, Glenn Van Wallendael, Luc Duchateau, Sofie Van Hoecke精选该论文提出了一种针对右删失生存数据的概率预测评分框架。传统评分规则(如CRPS、Brier分数)在事件时间仅部分观测时无法直接应用。作者通过将预测分布映射到删失机制下的观测数据分布,再应用标准评分规则,得到了局部化和边缘化的删失版本评分。该框架统一了删失似然和IPCW准则,并证明了在条件独立删失下评分的适当性。实验表明,该方法能正确排序预测模型,而基于插值的加权评分可能出现排序反转。论文生存分析右删失数据概率预测评分规则CRPS推荐理由:生存分析中右删失数据是常态,这篇论文为概率预测的评估提供了理论严谨的评分框架。做生存建模、临床试验或可靠性分析的团队,可以直接用这些评分来训练和评估模型,避免传统方法的偏差。原文
11:05arXiv cs.AI@Stanislav R. Kirpichenko, Andrei V. Konstantinov, Lev V. Utkin精选生存分析旨在从含删失数据中估计事件时间分布,但现有方法常对风险函数施加结构假设或离散化时间轴,限制了灵活性并引入近似误差。本文提出生存扩散概率模型(SDPM),一种基于去噪扩散模型的连续时间生存分析方法。SDPM 直接建模生存结果的条件分布,利用条件独立删失假设,通过生成样本结合 Kaplan-Meier 估计器得到生存函数,无需参数假设或时间离散化。在十个真实数据集上,SDPM 在 C-index、时间依赖 AUC 和 Brier 评分上达到与树模型、提升模型和神经网络模型相当的预测性能。合成数据实验表明,SDPM 能更准确地恢复底层连续生存分布的形状,消融研究验证了目标空间变换对事件率校准和预测区分度的提升。论文生存分析扩散模型连续时间生成模型SDPM推荐理由:生存分析是医学、可靠性工程等领域的核心问题,SDPM 用扩散模型绕过了传统方法的参数假设和离散化限制,做生存预测的团队可以直接用公开代码复现,值得关注。原文