Conditioning on Time is All You Need for Synthetic Survival Data Generation

要約

合成データの生成には大きな可能性があり、プライバシー、公平性、データ アクセシビリティを強化する手段が提供されます。
合成表形式データを生成するさまざまな方法が利用可能であるにもかかわらず、特に生存分析などの特殊なアプリケーションでは課題が残っています。
生存データ生成における大きな障害の 1 つは打ち切りです。これは、特定のインスタンスで観察された (ターゲット) イベントの正確なタイミングが分からないこととして現れます。
既存の方法では、観測された（無検閲の）イベントと検閲されたイベントの両方について、実際のイベント時間分布を正確に再現することが困難です。つまり、生成されたイベント時間分布は、実際のデータの基礎となる分布と正確に一致しません。
やる気に満ちた私たちは、イベント時間 (および打ち切り指標) に条件付けされた共変量を生成することによって合成生存データを生成する単純なパラダイムを提案します。これにより、大幅な計算オーバーヘッドを発生させず、また (
通常は不明）打ち切りの根底にある生成メカニズム。
私たちは、現実世界のデータセットに対する広範な実験を通じてこの方法を評価します。
私たちの方法論は、生存データの生成において複数の競合ベースラインよりも優れたパフォーマンスを発揮すると同時に、その方法論でトレーニングされ、実際のデータでテストされた下流の生存モデルのパフォーマンスを向上させます。

要約(オリジナル)

Synthetic data generation holds considerable promise, offering avenues to enhance privacy, fairness, and data accessibility. Despite the availability of various methods for generating synthetic tabular data, challenges persist, particularly in specialized applications such as survival analysis. One significant obstacle in survival data generation is censoring, which manifests as not knowing the precise timing of observed (target) events for certain instances. Existing methods face difficulties in accurately reproducing the real distribution of event times for both observed (uncensored) events and censored events, i.e., the generated event-time distributions do not accurately match the underlying distributions of the real data. So motivated, we propose a simple paradigm to produce synthetic survival data by generating covariates conditioned on event times (and censoring indicators), thus allowing one to reuse existing conditional generative models for tabular data without significant computational overhead, and without making assumptions about the (usually unknown) generation mechanism underlying censoring. We evaluate this method via extensive experiments on real-world datasets. Our methodology outperforms multiple competitive baselines at generating survival data, while improving the performance of downstream survival models trained on it and tested on real data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google