动态生存预测有了时间分辨解释:DynSurvX把计算量砍掉41–80%,随访中可反复更新
纵向随访数据让生存预测更准,却也让模型更难解释,而现有解释方法要么绑定特定模型,要么只处理静态协变量。DynSurvX把时间归因拆成两步:先按整体重要性筛出值得细看的纵向特征,再只对这些特征自适应细分时间窗,从而给出随新测量更新的时间分辨解释。在模拟数据和两个临床数据集上,它与理论重要性的吻合程度随预测模型性能提高而提高,相对时间解释基线WindowSHAP减少41–80%计算时间。
纵向随访数据让生存预测更准,却也让模型更难解释,而现有解释方法要么绑定特定模型,要么只处理静态协变量。DynSurvX把时间归因拆成两步:先按整体重要性筛出值得细看的纵向特征,再只对这些特征自适应细分时间窗,从而给出随新测量更新的时间分辨解释。在模拟数据和两个临床数据集上,它与理论重要性的吻合程度随预测模型性能提高而提高,相对时间解释基线WindowSHAP减少41–80%计算时间。
已读完全部报道