Core Concepts
時間依存性のCox生存ニューラルネットワーク(tdCoxSNN)を提案し、長期的な予測において高次元の画像などの複雑な長期バイオマーカーを直接取り込むことが可能である。
Abstract
1. 導入
動的予測の必要性と難しさについて述べられている。
高次元の画像データを扱うための新しい方法であるtdCoxSNNが提案されている。
2. モデル概要と評価手法
tdCoxSNNは時間依存性のCoxモデルとニューラルネットワークを組み合わせたものであり、非線形効果を捉えることができる。
JMやLM-RSF、Dyn-DeepHitなど他の動的予測手法と比較して、tdCoxSNNは優れた予測性能を示す。
3. シミュレーション結果
低次元および高次元予測子に対するシミュレーション結果が示されており、tdCoxSNNは他の手法よりも優れた性能を発揮する。
高次元画像データに対する適用では、従来手法よりも優れた予測精度が得られることが示されている。
4. 実データ解析結果
AREDSデータおよびPBC2データに適用した結果が示されており、tdCoxSNNは既存の手法よりも優れた性能を示すことが確認されている。
Stats
AREDSデータセットでは53,076個の観察値から成り立ち、PBC2データセットでは312人分の情報が含まれている。