C-index
PulseAugur coverage of C-index — every cluster mentioning C-index across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
CHIMERA挑战赛：前列腺癌复发预测的多模态基准测试
CHIMERA挑战赛推出了一项新的多模态基准测试，用于预测前列腺癌患者的生化复发。该挑战整合了来自两家机构的267名患者的术前mpMRI、前列腺切除术后组织病理学以及患者特征。虽然仅使用临床和临床医生衍生变量的模型在排行榜上取得了最高性能，但多模态模型通过直接从影像数据中保留预后信号，即使在专家注释被撤销或随机化的情况下，也表现出更强的鲁棒性。
-
新的机器学习框架评估肾移植生存预测准确性
研究人员开发了一个新的机器学习模型评估框架，用于预测肾移植结果。该框架被称为“基于配对受者的评估”，比较了来自同一捐赠者的肾脏的两个受者的移植物生存率。研究发现，包括深度学习方法在内的各种生存预测模型使用此方法达到了约60%的准确性。研究人员还强调了传统一致性指数（C-index）的局限性，并提出他们的新指标对于现实世界的捐赠者-受者匹配更具临床相关性。
-
研究发现：生存模型评估因过度关注C指数而存在缺陷
一篇新发布的arXiv论文《C指数的幻觉：已发表生存模型中的无校准歧视》对仅以C指数衡量的生存分析模型区分能力进行评估的常见做法提出了质疑。研究表明，由于该指标忽略了模型校准和时间依赖性准确性，因此可能具有误导性。该研究重现了来自不同领域的三个已发表的生存机器学习模型，发现一个区分能力与已发表模型几乎相同的模型在正式校准测试中失败了。该论文还强调，将删失误解为非信息性可能导致金融模型风险估计出现重大偏差。
-
新的生存分析方法提高了器官分配效率
研究人员开发了一种新的面向决策的学习方法用于生存分析，旨在更好地将预测模型与其下游分配任务对齐。该方法优化了归一化折损累积增益（NDCG），而不是传统的C指数等指标，这可能在高风险场景（如器官分配）中导致次优结果。通过将此框架应用于历史心脏移植数据，该方法显著提高了NDCG得分，有可能每年带来可观的生命年收益。
-
生存分析评估指标在新立场论文中受到批评
一篇新发表在arXiv上的立场论文批评了生存分析中普遍使用的C指数指标，认为它常常与实际建模目标不符，并且由于隐式审查假设可能具有误导性。作者提出了一个“双螺旋梯”框架，以确保评估指标与建模假设保持一致，并强调适当的评估对于准确的模型比较至关重要。该论文为研究人员提供了关于如何选择和应用生存分析中适当评估指标的实用指南。
-
TabSurv 改进表格神经网络在生存分析中的应用
研究人员推出了一种新颖的方法 TabSurv，它将现代表格神经网络架构应用于生存分析任务。该方法使用了一种名为 SurvHL 的新直方图损失函数，该函数旨在有效处理删失数据。研究表明，TabSurv，特别是当作为具有 Weibull 参数化的深度集成实现时，在各种真实世界生存数据集上的表现优于现有的经典和深度学习基线。