Reinterpreting survival analysis in the universal approximator age

要約

生存分析は統計ツールボックスに不可欠な部分です。
ただし、古典的な統計のほとんどの領域ではディープ ラーニングが採用されていますが、生存分析がディープ ラーニング コミュニティから若干の注目を集めるようになったのはつい最近のことです。
この最近の発展は、おそらく新型コロナウイルス感染症のパンデミックが部分的に動機となっていると考えられます。
私たちは、深層学習における生存分析の可能性を最大限に活用するために必要なツールを提供することを目指しています。
一方で、生存分析が分類と回帰にどのように関連するかについて説明します。
一方、私たちは技術的なツールを提供します。
新しい損失関数、評価メトリクス、および数値積分を行わずに生存曲線を証明できる初の汎用近似ネットワークを提供します。
大規模な数値研究を使用して、損失関数とモデルが他のアプローチよりも優れていることを示します。

要約(オリジナル)

Survival analysis is an integral part of the statistical toolbox. However, while most domains of classical statistics have embraced deep learning, survival analysis only recently gained some minor attention from the deep learning community. This recent development is likely in part motivated by the COVID-19 pandemic. We aim to provide the tools needed to fully harness the potential of survival analysis in deep learning. On the one hand, we discuss how survival analysis connects to classification and regression. On the other hand, we provide technical tools. We provide a new loss function, evaluation metrics, and the first universal approximating network that provably produces survival curves without numeric integration. We show that the loss function and model outperform other approaches using a large numerical study.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google