[论文解读] BoXHED2.0: Scalable boosting of dynamic survival analysis

Arash Pakbin, Xiaochen Wang+2 more|PubMed|Mar 23, 2021

Machine Learning in Healthcare参考文献 8被引用 5

一句话总结

BoXHED2.0 是一个可扩展的、非参数的梯度提升风险估计器，基于 Python 实现，支持时变协变量、竞争风险和复发事件——超越了右删失的限制。其核心采用 C++ 构建，并支持 GPU/CPU 并行计算，运行速度可与参数模型媲美，同时在协变量时不变的条件下支持生存函数估计。

ABSTRACT

Modern applications of survival analysis increasingly involve time-dependent covariates. The Python package <b>BoXHED2.0</b> (<b>Bo</b>osted e<b>X</b>act <b>H</b>azard <b>E</b>stimator with <b>D</b>ynamic covariates) is a tree-boosted hazard estimator that is fully nonparametric, and is applicable to survival settings far more general than right-censoring, including recurring events and competing risks. <b>BoXHED2.0</b> is also scalable to the point of being on the same order of speed as parametric boosted survival models, in part because its core is written in C++ and it also supports the use of GPUs and multicore CPUs. <b>BoXHED2.0</b> is available from PyPI and also from www.github.com/BoXHED.

研究动机与目标

• 解决现有生存分析工具无法处理时变协变量、竞争风险或复发事件的局限性。
• 开发一种可扩展的、非参数的风险估计器，在支持复杂删失方案的同时保持高精度。
• 通过将核心逻辑迁移至 C++ 并引入一种新型预处理步骤以消除显式积分计算，显著提升 BoXHED1.0 的计算效率。
• 在协变量时不变的条件下，实现对生存函数 $ S(t|X) $ 的估计，从而扩展其在风险建模之外的应用价值。
• 提供一个用户友好、可生产部署的 Python 包，支持 GPU 和多核 CPU 加速，适用于实际场景部署。

提出的方法

• 采用 Aalen 强度模型作为建模时变风险的基础框架，适用于一般删失方案。
• 通过梯度提升实现树增强型风险估计器，其中基学习器为在时间与协变量上分裂的决策树。
• 引入一种新型数据预处理步骤，避免在似然计算中显式进行积分运算，显著降低计算开销。
• 开发基于 C++ 的核心引擎，实现高性能推理，支持 GPU 和多核 CPU 加速。
• 通过统一的计数过程框架，支持多种删失机制，包括右删失、左删失、区间删失和竞争风险。
• 提供内置函数，基于协变量时不变条件下的估计风险函数，使用 $ S(t|X) = \exp\left(-\int_0^t \hat{\lambda}(u,X) du\right) $ 计算生存函数。

实验结果

研究问题

• RQ1 是否可以设计一种非参数的、梯度提升的风险估计器，以处理包括时变协变量、竞争风险和复发事件在内的通用生存分析场景？
• RQ2 如何在不牺牲模型精度或灵活性的前提下，显著提升非参数生存模型的计算效率？
• RQ3 与纯 Python 实现相比，基于 C++ 的实现结合 GPU 和多核 CPU 支持，能在多大程度上缩短训练时间？
• RQ4 在协变量时不变的场景下，能否可靠地从风险函数估计生存函数？该过程如何高效地集成到可扩展框架中？
• RQ5 1-SE 规则在提升生存模型超参数选择中的有效性如何？是否可以实现自动化，以在模型复杂度与性能之间取得平衡？

主要发现

• BoXHED2.0 的计算性能与参数型梯度提升生存模型相当，适用于大规模生存分析。
• 新型预处理步骤消除了显式积分计算，显著减少计算瓶颈，使运行速度相比 BoXHED1.0 提升了数量级。
• 基于 C++ 的核心引擎结合 GPU 和多核 CPU 支持，可在大规模数据集上实现极低延迟训练，显著优于 BoXHED1.0 的纯 Python 实现。
• 当协变量为时不变时，该包成功从风险函数估计了生存函数 $ S(t|X) $，并采用标准指数积分公式。
• 变量重要性评分可被可靠计算并暴露于 `VarImps` 属性中，支持在生存模型中进行可解释的特征分析。
• 通过 `best_param_1se_rule()` 函数，1-SE 规则在超参数选择中实现了有效自动化，获得复杂度较低但预测性能损失极小的精简模型。