환자의 생존 곡선을 직접 예측하기 위해 조건부 서열 순위 신경망을 활용한 SurvCORN 방법을 제안한다.
본 연구에서는 생존 분석을 위한 모델 학습 시 점수 규칙을 활용하는 일반적인 프레임워크를 제안한다. 이를 통해 다양한 모델 클래스(모수적, 반모수적, 비모수적)를 최적화할 수 있으며, 신경망 기반의 효율적이고 확장 가능한 최적화 루틴을 제공한다.
생존 분석에서 블랙박스 기계 학습 모델의 투명성, 설명 가능성 및 공정성을 높이기 위해 다양한 해석 가능한 기계 학습 기법을 소개하고 적용한다.
다양한 생존 분석 모델의 성능을 통합 Brier 점수와 일치 지수를 통해 비교하고, 앙상블 방법을 통해 모델 성능을 향상시킬 수 있음을 보여줌.