Koji su pristupi dubokog učenja za analizu preživljavanja (DeepSurv, DeepHit)?

DeepSurv и DeepHit су два популарна приступа дубоког учења за анализу преживљавања, који омогућавају моделирање времена до догађаја узимајући у обзир цензурисане податке.

• DeepSurv је неуронска мрежа заснована на Cox моделу пропорционалних ризика. Тренира се да минимизује негативни логаритам честиће вероватноће Cox-а, што омогућава предвиђање индивидуалног ризика од догађаја. DeepSurv је погодан за моделирање утицаја коваријаната на ризик и може узети у обзир нелинеарне зависности.

• DeepHit је сложенији модел који директно моделира функцију преживљавања и вероватноћу догађаја у дискретним временским тачкама. Користи мултизаједничку неуронску мрежу која се тренира са комбинованом функцијом губитка која узима у обзир прецизност предвиђања времена догађаја и правилну обраду цензурисаних података. DeepHit може моделовати конкурирајуће ризике и флексибилније описати расподелу времена до догађаја.

Оба приступа омогућавају коришћење моћи дубоких неуронских мрежа за анализу преживљавања, превазилазећи ограничења класичних статистичких модела.