13:09
官方账号arXiv cs.LG@Lev V. Utkin, Stanislav K. Kogan, Andrei V. Konstantinov
推荐理由：论文提出了 Surv-IPTB，用注意力机制做个体治疗获益估计，比传统 T-learner、S-learner 在复杂非线性数据上更稳，代码已开源。
Surv-IPTB
共 1 条相关 AI 资讯
8月7日
13:09
Surv-IPTB 是一种用于生存分析的新框架，直接量化患者在接受治疗相较于对照时生存期延长的概率。该方法将 IPTB 估计重构为二分类问题，利用治疗组与对照组之间的成对患者比较，并通过不精确概率表示处理右删失观测。模型采用带可学习查询-键变换的注意力机制，灵活聚合成对比较，同时为删失病例学习软类别概率。在螺旋、钟形和圆形等非线性合成数据集上的实验中，Surv-IPTB 在多种删失率和治疗效果强度下表现稳健，优于配备随机生存森林、Cox 比例风险和 Beran 估计器的元学习基线。