[论文解读] BoXHED: Boosted eXact Hazard Estimator with Dynamic covariates

Xiaochen Wang, Arash Pakbin+3 more|arXiv (Cornell University)|Jun 25, 2020

Health, Environment, Cognitive Aging参考文献 22被引用 6

一句话总结

BoXHED 是一款新颖的、公开可用的 Python 软件包，采用基于回归树的梯度提升方法，非参数地估计具有时变协变量的生存分析中的风险函数。该方法揭示了复杂且此前未报告的交互效应，特别是收缩压与体质指数（BMI）之间的交互作用，可能解决了关于心血管疾病风险动态机制的长期临床疑问。

ABSTRACT

The proliferation of medical monitoring devices makes it possible to track health vitals at high frequency, enabling the development of dynamic health risk scores that change with the underlying readings. Survival analysis, in particular hazard estimation, is well-suited to analyzing this stream of data to predict disease onset as a function of the time-varying vitals. This paper introduces the software package BoXHED (pronounced 'box-head') for nonparametrically estimating hazard functions via gradient boosting. BoXHED 1.0 is a novel tree-based implementation of the generic estimator proposed in Lee, Chen, Ishwaran (2017), which was designed for handling time-dependent covariates in a fully nonparametric manner. BoXHED is also the first publicly available software implementation for Lee, Chen, Ishwaran (2017). Applying BoXHED to cardiovascular disease onset data from the Framingham Heart Study reveals novel interaction effects among known risk factors, potentially resolving an open question in clinical literature.

研究动机与目标

• 解决生存分析中缺乏可扩展、公开可用的软件用于时变协变量的非参数风险估计的问题。
• 开发 Lee 等人（2017）提出的函数梯度提升估计器的稳健、可临床部署的实现，用于动态风险预测。
• 实现对纵向健康数据中时变风险因素之间复杂非线性交互效应的发现。
• 提供一种灵活、基于似然的树生长算法，以改善变量重要性估计并增强模型可解释性。
• 在弗雷明汉心脏研究的真实世界心血管疾病数据上展示该方法的实用性，揭示新颖的临床洞见。

提出的方法

• 采用函数梯度提升方法非参数地估计风险函数 λ(t, X(t))，其中 X(t) 表示时变协变量。
• 使用回归树作为弱学习器，并引入一种专为风险估计中似然损失减少而优化的新颖树生长策略。
• 从提升过程中直接推导出变量重要性度量，增强时变风险因素的可解释性。
• 在右删失的连续时间生存数据上应用该估计器，通过迭代最小化负对数似然损失函数实现。
• 通过将每位患者的时变协变量轨迹视为单一函数观测值，处理协变量轨迹的功能数据表示。
• 支持动态风险评分，基于当前和历史协变量值在任意时间点估计瞬时风险。

实验结果

研究问题

• RQ1 基于树的非参数梯度提升方法能否在高频医疗数据中有效估计具有时变协变量的风险函数？
• RQ2 时变风险因素（如血压与 BMI）之间的复杂非线性交互作用如何影响心血管疾病的发生？
• RQ3 所提出的方法是否能发现传统参数模型或静态协变量模型所遗漏的交互效应？
• RQ4 从提升过程中推导出的变量重要性度量是否能可靠识别动态环境下的临床相关风险因素？
• RQ5 在存在时变协变量的情况下，该模型的性能与可解释性相较于现有生存模型有多大提升？

主要发现

• BoXHED 成功识别出在 BMI >32 kg/m² 的患者中，收缩压与心血管疾病风险呈 U 型关系，最低风险出现在 SBP 115–124 mmHg 之间。
• 相比之下，BMI 较低（≤32 kg/m²）的患者表现出风险随收缩压升高而单调增加的趋势，表明不同 BMI 类别存在不同的风险模式。
• SBP 与 BMI 之间的交互作用可能解释了既往临床文献中关于血压对 CVD 风险影响的矛盾发现。
• 该模型对高维、潜在噪声的协变量表现出鲁棒性，在存在大量无关特征的情况下仍能保持准确的风险估计。
• 内置的变量重要性度量有效突出了关键的动态风险因素，包括 SBP、DBP 和 BMI，具有明确的临床可解释性。
• 分析表明，风险因素轨迹随时间的变化传递了具有临床价值的预后信息，支持在实时临床环境中实施动态风险评估。