Toward Conditional Distribution Calibration in Survival Prediction

要約

生存予測では、打ち切りデータセットから時間-イベント分布を推定することがよくある。これまでのアプローチでは、識別の強化と限界キャリブレーションに焦点が当てられてきた。本論文では、実世界での応用における条件付きキャリブレーションの重要性、特に個人の意思決定における役割に注目する。我々は、そのインスタンスの観測時間におけるモデルの予測された個人の生存確率を用いる、適合予測に基づく方法を提案する。この方法は、識別性を損なうことなく、モデルの限界較正と条件付き較正を効果的に改善する。我々は、限界較正と条件付き較正の両方について漸近的な理論的保証を提供し、15の多様な実世界データセットにわたって広範にテストし、様々な設定におけるこの手法の実用的な有効性と汎用性を実証する。

要約(オリジナル)

Survival prediction often involves estimating the time-to-event distribution from censored datasets. Previous approaches have focused on enhancing discrimination and marginal calibration. In this paper, we highlight the significance of conditional calibration for real-world applications — especially its role in individual decision-making. We propose a method based on conformal prediction that uses the model’s predicted individual survival probability at that instance’s observed time. This method effectively improves the model’s marginal and conditional calibration, without compromising discrimination. We provide asymptotic theoretical guarantees for both marginal and conditional calibration and test it extensively across 15 diverse real-world datasets, demonstrating the method’s practical effectiveness and versatility in various settings.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL