[论文解读] Gaussian Processes for Survival Analysis

Tamara Fernández, Nicolás Rivera+1 more|arXiv (Cornell University)|Nov 2, 2016

Statistical Methods and Inference参考文献 10被引用 33

一句话总结

该论文提出了一种半参数贝叶斯生存模型，结合参数化基线风险函数与非参数高斯过程，灵活建模风险函数，同时纳入协变量并处理左删失、右删失和区间删失。该方法采用高斯Cox过程进行强度建模，并利用马尔可夫链蒙特卡洛（MCMC）结合随机傅里叶特征实现可扩展的推理，在合成数据和真实世界数据上优于Cox比例风险模型、ANOVA-DDP和随机生存森林。

ABSTRACT

We introduce a semi-parametric Bayesian model for survival analysis. The model is centred on a parametric baseline hazard, and uses a Gaussian process to model variations away from it nonparametrically, as well as dependence on covariates. As opposed to many other methods in survival analysis, our framework does not impose unnecessary constraints in the hazard rate or in the survival function. Furthermore, our model handles left, right and interval censoring mechanisms common in survival analysis. We propose a MCMC algorithm to perform inference and an approximation scheme based on random Fourier features to make computations faster. We report experimental results on synthetic and real data, showing that our model performs better than competing models such as Cox proportional hazards, ANOVA-DDP and random survival forests.

研究动机与目标

• 开发一种灵活且可解释的贝叶斯生存模型，避免对比例风险等强参数假设的依赖。
• 通过参数化基线风险函数引入专家知识，同时利用高斯过程实现非参数灵活性。
• 处理生存数据中常见的各类删失机制（左删失、右删失、区间删失）。
• 通过随机傅里叶特征实现大规模数据集的可扩展推理。
• 在预测性能上优于现有模型，如Cox比例风险模型、ANOVA-DDP和随机生存森林。

提出的方法

• 风险函数建模为参数化基线风险函数与由高斯过程导出的非负函数的乘积。
• 使用泊松过程的强度来模拟生存时间，其强度由高斯过程控制，从而构成高斯Cox过程。
• 通过基于高斯过程路径有限维近似的改进型MCMC算法实现精确推理。
• 引入随机傅里叶特征近似以加速计算，并使模型可扩展至更大数据集。
• 通过非参数分量支持协变量依赖的风险建模，实现对输入特征的灵活依赖。
• 通过在完整似然框架内建模右删失观测的似然，实现对所有删失形式的处理。

实验结果

研究问题

• RQ1 半参数贝叶斯模型能否在生存分析中结合参数化基线风险函数的可解释性与非参数高斯过程的灵活性？
• RQ2 如何利用高斯过程建模风险函数，同时确保非负性并实现高效推理？
• RQ3 所提出的模型能否在 concordance index（一致性指数）和生存曲线估计方面优于Cox比例风险模型和随机生存森林等标准方法？
• RQ4 如何在保持准确性和可解释性的前提下，将模型扩展至大规模数据集？
• RQ5 该模型在真实世界生存数据中对复杂、非比例风险结构的适应程度如何？

主要发现

• 在Veteran肺癌数据集上，所提模型的C指数高于Cox比例风险模型、ANOVA-DDP和随机生存森林。
• 在Veteran数据集中，该模型在高Karnofsky功能评分（如90分）时检测到治疗效果的显著差异，而其他模型未能捕捉到这一现象。
• 与Cox比例风险模型和随机生存森林生成的更陡峭、不切实际的曲线相比，该模型的生存曲线拟合效果更优且更平滑。
• ANOVA-DDP在低功能评分时高估了生存函数，表明可能存在模型误设。
• 随机傅里叶特征近似实现了对更大数据集的高效推理，但其在高维协变量交互作用下的可扩展性仍有限。
• 该模型在生存函数估计方面表现出稳健性，但在早期时间点（特别是t=0附近）的估计存在一定敏感性。