[论文解读] A General Framework for Survival Analysis and Multi-State Modelling

Stefan Groha, Sebastian M. Schmon+1 more|arXiv (Cornell University)|Jun 8, 2020

Machine Learning in Healthcare参考文献 41被引用 6

一句话总结

本文提出 survNode，一种基于神经常微分方程的框架，用于灵活、无假设的多状态生存分析，直接建模柯尔莫哥洛夫前向方程。该方法可直接求解柯尔莫哥洛夫前向方程，实现对个体特异性危险率、状态占用概率及不确定性量化的精确估计，通过变分潜变量模型实现，且在生存和多状态数据集上实现了最先进的性能，同时提升了校准度与可解释性。

ABSTRACT

Survival models are a popular tool for the analysis of time to event data with applications in medicine, engineering, economics, and many more. Advances like the Cox proportional hazard model have enabled researchers to better describe hazard rates for the occurrence of single fatal events, but are unable to accurately model competing events and transitions. Common phenomena are often better described through multiple states, for example: the progress of a disease modeled as healthy, sick and dead instead of healthy and dead, where the competing nature of death and disease has to be taken into account. Moreover, Cox models are limited by modeling assumptions, like proportionality of hazard rates and linear effects. Individual characteristics can vary significantly between observational units, like patients, resulting in idiosyncratic hazard rates and different disease trajectories. These considerations require flexible modeling assumptions. To overcome these issues, we propose the use of neural ordinary differential equations as a flexible and general method for estimating multi-state survival models by directly solving the Kolmogorov forward equations. To quantify the uncertainty in the resulting individual cause-specific hazard rates, we further introduce a variational latent variable model and show that this enables meaningful clustering with respect to multi-state outcomes as well as interpretability regarding covariate values. We show that our model exhibits state-of-the-art performance on popular survival data sets and demonstrate its efficacy in a multi-state setting

研究动机与目标

• 为解决传统生存模型（如Cox比例风险模型）的局限性，后者假设比例风险和线性协变量效应，且无法充分建模竞争事件或非马尔可夫动态。
• 开发一种通用、灵活的多状态生存建模框架，可适应任意状态拓扑结构与非致命转移，且无需限制性参数假设。
• 通过使用神经常微分方程直接求解柯尔莫哥洛夫前向方程，实现对个体水平特异性危险率与状态占用概率的精确估计。
• 通过变分潜变量模型实现危险率预测的不确定性量化，提升预测区间校准度。
• 通过潜变量空间中的可解释聚类，支持对疾病进展与治疗反应的临床洞察。

提出的方法

• 该框架使用神经常微分方程（neural ODEs）建模连续时间马尔可夫过程的柯尔莫哥洛夫前向方程，实现对时变危险率的灵活、非参数化学习。
• 状态增强型神经 ODE 架构通过引入增强状态变量，实现类似记忆的动力学，突破马尔可夫假设的限制。
• 引入变分推理框架，学习个体患者轨迹的潜变量表示，实现不确定性量化与聚类。
• 采用基于似然的损失函数端到端训练模型，通过 Brier 评分、 concordance 指数及可信区间校准度评估预测性能。
• 使用 UMAP 进行潜空间聚类，并通过非参数 Aalen–Johansen 估计器验证，评估不同聚类间状态占用概率的差异。
• 通过已知真实值的模拟数据定量评估模型校准度，比较 95% 可信区间覆盖率与 Cox 比例风险模型的表现。

实验结果

研究问题

• RQ1 基于神经 ODE 的框架是否能在无需依赖比例风险或线性协变量效应等限制性假设的前提下，在多状态生存分析中超越标准生存模型？
• RQ2 变分潜变量模型在多状态生存预测中对不确定性量化的改进程度如何，特别是在预测区间校准方面？
• RQ3 该模型的潜空间是否能揭示具有生物学或临床意义的患者聚类，其疾病进展模式各不相同？
• RQ4 在存在竞争风险与非马尔可夫动态的情况下，该模型在复杂多状态过程中对真实危险率的恢复能力如何？
• RQ5 该框架是否可通过潜空间中各聚类的逻辑回归，实现对协变量效应的更好可解释性？

主要发现

• 在生存数据上，survNode 的校准度为 0.749 ± 0.071， concordance 指数为 0.6396 ± 0.0097，显著优于 Cox 比例风险模型（校准度：0.250 ± 0.015， concordance：0.6244 ± 0.0064）。
• 在多状态设置中，模型表现出更优性能，Brier 评分更低，二项对数似然更高，优于基线模型。
• 在具有真实值的模拟中，变分 survNode 模型生成的 95% 可信区间校准度优于 Cox 比例风险模型。
• 使用 UMAP 的潜空间聚类揭示了五个具有显著差异的患者群体，其在健康、疾病与死亡状态的占用概率存在显著差异，表明具有临床意义的患者分型。
• 各聚类特定的逻辑回归揭示了各组中不同的协变量效应，实现了对具有不同疾病进展风险的患者亚群的可解释性洞察。
• 在模拟的疾病-死亡模型中，该模型准确恢复了危险率，预测结果与非参数 Aalen–Johansen 估计器高度一致。