HTL混合生存预测模型

卵巢癌生存分析

一种结合自注意力与循环结构的混合模型，用于捕获卵巢癌临床数据中的时间依赖与序列交互，从而提高生存预测的辨别力。

Peter, Kubare · Nuudhano Hilma, Nakale · Mulugeta Abrham, Aragaw · 黑晓军 · Yuan, Tian

2025

参数信息

平均绝对误差

10.90 %

均方误差

5.50 %

R²分数

57.54 %

均方根误差

22.72 %

分类准确率

91.05 %

精确率

84.37 %

阴性预测值

94.81 %

召回率

77.21 %

技术优势

预测更准

HTL 的分类准确率达到 91.05%，超过随机森林和 LSTM。

不确定性低

蒙特卡洛不确定性量化显示预测变异性仅 2.56%，临床信心更高。

特征利用率高

多分辨率特征提取与自适应位置编码让模型同时捕捉局部和高维临床模式。

应用场景

• 癌症预后模型：用序列建模提升卵巢癌生存预测准确率，替代传统统计模型。
• 临床决策支持：提供可解释的风险预测和不确定性估计，辅助治疗方案选择。
• 医疗人工智能：将 Transformer 与 LSTM 结合处理高维时序临床数据，提高 AI 诊断可信度。
• 生存分析工具：直接从电子病历数据生成生存概率曲线，支持个体化预后评估。