Nature子刊发表稳定学习新进展：清华等开发多中心可泛化生存分析模型

文章预览

将 ScienceAI   设为 星标 第一时间掌握 新鲜的 AI for Science 资讯 编辑 | ScienceAI 生存分析旨在估计协变量对事件发生预期时间的影响，广泛应用于生命科学和医疗保健等学科，极大地影响决策并改善生存结果。 现有方法通常假设相似的训练和测试分布，难以应对现实世界中数据源不断变化的挑战，削弱了它们的可靠性。这迫切需要生存分析方法利用不同队列中的稳定特征进行预测，而不是依赖虚假相关性。 清华大学的崔鹏团队与国家蛋白质科学中心（北京）贺福初/常乘团队共同 提出了 一种发现稳定标志物（Biomarker）的 Stable Cox 模型 [1] 。 在多种癌症的组学以及临床预后数据上评估后，证明了 Stable Cox 可以发现在多个测试中心数据上稳定的预后标志物，该标志物可以用于对病人进行亚型分层以及生存曲线预测。 该工作得到了人体蛋白质组导航（π ………………………………