稳定Cox模型

跨队列可靠预测

通过联合优化独立驱动的样本重加权模块与加权Cox回归，识别稳定变量，使生存预测在不同数据分布下保持可靠。

Shaohua, Fan · Renzhe, Xu · Qian, Dong · He, Yue · Chang, Cheng · 崔鹏

Nature Machine Intelligence 2024

技术优势

跨队列更可靠

通过独立驱动的样本重加权，模型学习到在不同数据分布下都有效的稳定特征，而不是依赖虚假相关。

能识别稳定生物标志物

利用识别出的生物标志物组，能对患者进行显著的亚型分层，为临床决策提供支持。

有理论保证

模型具有识别稳定变量的理论保证，让特征选择过程更有依据。

应用场景

• 生存分析模型：供生存分析研究者使用，在跨数据集场景下获得更稳的预测模型。
• 临床决策支持：可集成到临床决策流程，为患者风险分层提供稳定依据。
• 生物标志物识别：作为生物标志物筛选工具，找出跨队列稳定的标志物组合。