[论文解读] A pliable lasso for the Cox model

Wenfei Du, Rob Tibshirani|arXiv (Cornell University)|Jul 18, 2018

Mathematical Biology Tumor Growth参考文献 8被引用 4

一句话总结

本文提出了一种适用于Cox比例风险模型的可塑性lasso方法，能够对协变量与调节变量（如年龄、性别、时变因素）之间的主效应和交互效应实现稀疏估计。通过应用层级惩罚，仅在主效应存在时才引入交互效应，该方法可避免过拟合，并在具有时变调节因子的高维设置下提升生存预测准确性。

ABSTRACT

We introduce a pliable lasso method for estimation of interaction effects in the Cox proportional hazards model framework. The pliable lasso is a linear model that includes interactions between covariates X and a set of modifying variables Z and assumes sparsity of the main effects and interaction effects. The hierarchical penalty excludes interaction effects when the corresponding main effects are zero: this avoids overfitting and an explosion of model complexity. We extend this method to the Cox model for survival data, incorporating modifiers that are either fixed or varying in time into the partial likelihood. For example, this allows modeling of survival times that differ based on interactions of genes with age, gender, or other demographic information. The optimization is done by blockwise coordinate descent on a second order approximation of the objective.

研究动机与目标

• 解决在协变量与调节变量存在时，生存分析中高维主效应与交互效应的估计挑战。
• 将原本为高斯模型开发的可塑性lasso框架扩展至右删失生存数据的Cox比例风险模型。
• 在保持模型可解释性与稀疏性的同时，将时变调节因子（如年龄、时变协变量）纳入生存模型。
• 开发一种适用于具有交互项的高维生存数据的计算高效优化算法。
• 在模拟数据与真实世界的NKI乳腺癌数据上评估性能，并与标准lasso和Cox模型进行比较。

提出的方法

• 构建包含协变量 $x_i$ 与调节变量 $z_i$ 之间交互项的Cox模型，涵盖固定调节因子与时变调节因子。
• 应用层级惩罚：仅当对应主效应 $\beta_k$ 非零时，才允许交互效应 $\theta_k$ 进入模型。
• 使用块坐标下降算法优化部分对数似然的二阶近似，将其视为加权最小二乘问题。
• 为提升计算效率，特别是在时变情况下，采用逻辑斯蒂克近似部分似然。
• 引入重叠组lasso惩罚结构：$\| (\beta_k, \theta_k) \|_2 + \| \theta_k \|_2$，以确保层级选择。
• 使用交叉验证与拟合优度准则选择调参 $\lambda$ 与 $\alpha$。

实验结果

研究问题

• RQ1 可塑性lasso框架能否有效扩展至具有高维协变量的生存数据Cox比例风险模型？
• RQ2 与标准lasso或完整交互模型相比，层级惩罚结构是否能提升估计准确度与变量选择性能？
• RQ3 当调节因子为时变时，可塑性lasso在识别主效应与交互效应方面的表现如何？
• RQ4 对部分似然的逻辑斯蒂克近似是否能在保持预测准确度的同时实现更快计算？
• RQ5 与固定效应模型相比，包含时变交互项（如基因-年龄交互）是否能带来更优的生存预测性能？

主要发现

• 在 $n=100$，$p=10$，$nz=20$ 的模拟数据中，可塑性lasso的负对数似然为 3120.071，优于仅含主效应的lasso（3140.337）与完整lasso（3209.842）。
• 在时变情况下，$n=500$，$p=10$，$nz=5$ 时，可塑性lasso的负对数似然为 4902.511，接近真实模型（4869.943），且在主效应选择中假阳性更少。
• 在包含319名患者与134个基因的NKI乳腺癌数据集中，可塑性lasso在测试数据上的AUC（受试者工作特征曲线下面积）高于标准lasso。
• 可塑性lasso在测试集上的Cox部分对数似然为 4902.511，高于lasso（4892.897），且更接近真实模型，表明模型拟合更优。
• 该方法成功识别出相关交互效应，包括时变成分，且主效应与交互效应的假阳性与假阴性率均较低。
• 对部分似然的逻辑斯蒂克近似实现了高效计算，并保持了预测性能，尤其在时变设定下表现优异。