Doubly Robust Conformalized Survival Analysis with Right-Censored Data

要約

右の検閲されたデータから生存時間の低い予測バウンドを構築するためのコンフォーマル推論方法を提示し、より制限的なタイプI検閲シナリオのために設計された最近のアプローチを拡張します。
提案された方法は、機械学習モデルを使用して観察されていない検閲時間を否定し、加重コンフォーマル推論を介して調整されたサバイバルモデルを使用して、帰属データを分析します。
このアプローチは、理論的には漸近二重堅牢性特性によってサポートされています。
シミュレートされた実際のデータに関する経験的研究は、私たちの方法が比較的有益な予測的推論につながり、サバイバルモデルが不正確である可能性のある挑戦的な設定で特に堅牢であることを示しています。

要約(オリジナル)

We present a conformal inference method for constructing lower prediction bounds for survival times from right-censored data, extending recent approaches designed for more restrictive type-I censoring scenarios. The proposed method imputes unobserved censoring times using a machine learning model, and then analyzes the imputed data using a survival model calibrated via weighted conformal inference. This approach is theoretically supported by an asymptotic double robustness property. Empirical studies on simulated and real data demonstrate that our method leads to relatively informative predictive inferences and is especially robust in challenging settings where the survival model may be inaccurate.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google