[论文解读] Nonparametric Bayesian Lomax delegate racing for survival analysis with competing risks

Quan Zhang, Mingyuan Zhou|arXiv (Cornell University)|Oct 19, 2018

Statistical Methods and Inference被引用 13

一句话总结

该论文提出Lomax委托竞速（LDR），一种用于竞争风险的非参数贝叶斯生存模型，通过伽马过程将事件时间建模为子风险之间的竞速，实现无限且自动剪枝的子风险。LDR能够捕捉非单调协变量效应，在C指数和Brier评分上优于基准模型，并通过子风险代表实现强可解释性，同时利用Gibbs采样和随机梯度MAP实现可扩展推理。

ABSTRACT

We propose Lomax delegate racing (LDR) to explicitly model the mechanism of survival under competing risks and to interpret how the covariates accelerate or decelerate the time to event. LDR explains non-monotonic covariate effects by racing a potentially infinite number of sub-risks, and consequently relaxes the ubiquitous proportional-hazards assumption which may be too restrictive. Moreover, LDR is naturally able to model not only censoring, but also missing event times or event types. For inference, we develop a Gibbs sampler under data augmentation for moderately sized data, along with a stochastic gradient descent maximum a posteriori inference algorithm for big data applications. Illustrative experiments are provided on both synthetic and real datasets, and comparison with various benchmark algorithms for survival analysis with competing risks demonstrates distinguished performance of LDR.

研究动机与目标

• 为解决比例风险模型在竞争风险生存分析中无法捕捉非单调协变量效应的局限性。
• 开发一种灵活且可解释的模型，可在不预先指定数量的情况下检测事件的未知亚型。
• 在事件时间或类型缺失的情况下实现稳健推理，并支持小样本与大规模数据应用。
• 提供一种分层的、非参数贝叶斯框架，通过自然收缩机制有效避免过拟合。

提出的方法

• LDR将每种风险下的生存建模为潜在无限数量子风险之间的竞速，每个子风险由指数竞速过程控制。
• 在子风险强度上使用伽马过程先验，以支持无限数量的子风险，同时通过收缩实现自动模型复杂度选择。
• 模型使用Lomax分布表示边际生存时间分布，将子风险竞速动态与观测事件时间关联。
• 针对中等规模数据集，开发了结合数据增强的Gibbs采样方法，可处理右删失、缺失或不完整数据。
• 针对大规模数据集，提出一种随机梯度下降最大后验（SG-MAP）算法，实现可扩展推理。
• 子风险代表通过观测协变量的加权平均计算得出，权重来自子风险强度后验期望的推导。

实验结果

研究问题

• RQ1 非参数贝叶斯模型能否有效捕捉竞争风险生存分析中的非单调协变量效应？
• RQ2 如何在不预先指定数量的情况下，自动检测事件的未知亚型？
• RQ3 与现有竞争风险模型相比，分层的、具有无限子风险的模型在预测准确性和可解释性方面能提升多少？
• RQ4 在数据稀缺、事件时间缺失或事件类型缺失的情况下，该模型表现如何？

主要发现

• LDR在合成数据和真实世界数据上均表现出优越性能，C指数和Brier评分持续优于Cox、Fine-Gray及其他基准模型，尤其在非线性协变量效应下表现更优。
• 在DLBCL的合成数据2和T3中，协变量效应为非线性，LDR的Brier评分显著低于Cox、FG和BST，且与随机森林相当或更优。
• 该模型成功识别出DLBCL中的不同子风险（如ABC、GCB、T3），子风险代表位于聚类中心，证实了生物学异质性。
• 在SEER数据中，LDR为每种风险（BC、OC）学习到一个代表，其位置位于观测事件聚类的中心，验证了模型的可解释性。
• Isomap可视化结果表明，子风险代表反映了有意义的基因表达谱，支持生物学上不同的亚型存在。
• SG-MAP推理算法实现了大规模数据集上的可扩展训练，使LDR可应用于小规模研究之外的场景。