1.DeepSurv的用途
医学研究人员使用生存模型评估预后协变量在死亡或者癌症复发等事件中的重要性,随后并告知患者其治疗选择。
生存模型:用于分析患者的生存时间和影响生存时间的因素的统计
预后协变量:指影响患者预后的因素,如年龄、性别、治疗类型等模型
一种标准的生存模型是Cox比例风险模型(CPH),但是它是一种线性的拟合,这种拟合可能过于简单,我们知道神经网络可以完成很多非线性的拟合(激活函数),2016年出现了一篇文章专门用于预测生存的。(论文:chrome-extension://ibllepbpahcoppkjjllbabhnigcbffpi/https://arxiv.org/pdf/1606.00931v3 代码:https://github.com/czifan/DeepSurv.pytorch/blob/master/readme.md)
该网络可以准确地模拟患者的死亡风险。此外,预后分层可以指导我们做出个性化治疗建议,并可能增加一组乳腺癌患者的中位生存时间。也就是对于单个的样本我只要输入它的特征,可以得到其患病的概率和治疗方式的推荐。(这里只能涉及到两者之间的治疗对比,我们可以得到哪一种的生存率更高)
代码运行结果: