[论文解读] Cross validation approaches for penalized Cox regression

Biyue Dai, Patrick Breheny|arXiv (Cornell University)|May 24, 2019

Statistical Methods and Inference参考文献 18被引用 6

一句话总结

本文提出了两种用于惩罚似然Cox回归的新型交叉验证方法：线性预测器交叉验证与偏差残差交叉验证，以解决现有方法在稳定性与保守性方面的不足。线性预测器方法在预测性能与数值稳定性之间实现了更优平衡，优于传统的基于部分似然的交叉验证，尤其在高维设置下表现更佳。

ABSTRACT

Cross validation is commonly used for selecting tuning parameters in penalized regression, but its use in penalized Cox regression models has received relatively little attention in the literature. Due to its partial likelihood construction, carrying out cross validation for Cox models is not straightforward, and there are several potential approaches for implementation. Here, we propose two new cross-validation methods for Cox regression and compare them to approaches that have been proposed elsewhere. Our proposed approach of cross-validating the linear predictors seems to offer an attractive balance of performance and numerical stability. We illustrate these advantages using simulated data as well as using them to analyze data from a high-dimensional study of survival in lung cancer patients.

研究动机与目标

• 解决高维生存数据中惩罚似然Cox回归缺乏稳健交叉验证方法的问题。
• 克服标准部分似然交叉验证在留一法设置下存在的数值不稳定性问题。
• 通过减少调参选择中的保守性，提高模型选择的准确性。
• 为Verweij与Van Houwelingen广泛使用但过于保守的方法提供一种稳定可靠的替代方案。
• 在真实世界高维生存数据（如肺癌基因表达研究）中展示所提方法的实际应用价值。

提出的方法

• 提出以线性预测器（X^Tβ）作为预测性能度量，替代部分似然。
• 使用偏差残差作为替代的交叉验证准则，以评估模型拟合度。
• 通过K-1折训练与剩余一折预测的交叉验证方式，利用线性预测器或偏差残差评估预测准确性。
• 将方法应用于LASSO与弹性网络惩罚Cox模型，通过K折交叉验证选择正则化参数λ。
• 将交叉验证误差标准化至[0,1]范围，以实现不同方法间的可视化比较。
• 采用最小交叉验证误差选择最优λ，线性预测器方法表现出稳定且一致的选择结果。

实验结果

研究问题

• RQ1 基于线性预测器的交叉验证在预测性能与数值稳定性方面，相较于现有方法表现如何？
• RQ2 所提方法是否降低了Verweij与Van Houwelingen方法中观察到的保守性？
• RQ3 基于线性预测器的交叉验证能否在小样本测试集中保持高预测准确性，同时避免数值不稳定性？
• RQ4 在弱信号且p > n的高维设置下，所提方法表现如何？
• RQ5 方法选择对真实世界生存数据（如肺癌表达研究）中的基因选择有何影响？

主要发现

• 在线性预测器方法中，肺癌数据集共筛选出85个基因，显著多于Verweij与Van Houwelingen方法仅选出的34个基因。
• 基础部分似然方法筛选出68个基因，偏差残差方法筛选出60个，表明线性预测器方法更具包容性但保持稳定。
• 线性预测器方法实现了与基础方法相当的预测性能，且在小样本折中无数值不稳定性问题。
• Verweij与Van Houwelingen的方法始终表现保守，选择特征更少，可能在高维设置下遗漏真实信号。
• 对线性预测器方法筛选出的78个注释良好的基因进行富集分析，发现其与癌症相关通路显著相关，包括转录因子结合与PTEN信号通路。
• 三个关键基因（PIK3R1、PDPK1、ITGB1）参与PTEN通路，凸显其生物学意义与潜在临床应用价值。