基于配对受者的已故供者肾移植生存预测评估

arXiv cs.LG 论文
kidney-transplant survival-prediction machine-learning evaluation-metric healthcare arxiv

摘要

本文提出了一种新颖的基于配对受者的评估框架，用于评估已故供者肾移植中的生存预测模型，报告了约60%的准确率，并指出了C-index指标的局限性。

arXiv:2608.03017v1 公告类型：新 摘要：人们对于使用机器学习算法预测肾移植结果（如移植物最终不可避免失败前的年数）有着浓厚的兴趣。这些预测算法有可能用于移植前的供者-受者匹配，以识别更兼容的供者和受者，从而改善移植后的结果。在本研究中，我们探讨了使用基于科学移植受者登记处（SRTR）的已故供者肾移植数据训练的生存预测模型。我们提出了一种新颖的基于配对受者的评估框架，比较接受来自同一位已故供者肾脏的两个受者之间的移植物结果，使我们能够评估为特定供者更换受者的反事实益处。我们发现五种不同的生存预测模型（复杂度从线性到基于深度学习的模型）均产生了约60%的基于配对受者的准确率。我们进一步将该准确率转化为可解释的移植后获得年数。我们还强调了常用的一致性指数（C-index）指标在此环境下评估生存预测准确性的主要局限性，并证明我们提出的基于配对受者的准确率指标更具临床相关性，更能反映现实世界的分配环境。
查看原文
查看缓存全文

缓存时间: 2026/08/05 07:44 

# 基于配对受者的死亡供者肾移植生存预测评估
Source: https://arxiv.org/html/2608.03017

\jmlrproceedings

PMLRPreprint

\NameMisaki Matsuura\Emailmxm1407@case\.edu \addrDepartment of Computer and Data Sciences Case Western Reserve University ClevelandUSA\NameMohammadreza Nemati\Emailmohammadreza\.nemati@case\.edu \addrDepartment of Computer and Data Sciences Case Western Reserve University ClevelandOH 44106USA\NameDulat Bekbolsynov\Emaildulat\.bekbolsynov@utoledo\.edu \addrDepartment of Medical Microbiology and Immunology University of Toledo ToledoOH 43614USA\NameStanislaw Stepkowski\Emailstanislaw\.stepkowski@utoledo\.edu \addrDepartment of Medical Microbiology and Immunology University of Toledo ToledoOH 43614USA\NameKevin S\. Xu\Emailksx2@case\.edu \addrDepartment of Computer and Data Sciences Case Western Reserve University ClevelandOH 44106USA

###### 摘要

利用机器学习算法预测肾移植结果（例如移植物最终衰竭前的年数）已经引起了广泛关注。这些预测算法可能用于移植前的供者-受者匹配，以识别更兼容的供者和受者，从而改善移植后结果。在本研究中，我们探讨了使用基于科学移植受者登记处（SRTR）的死亡供者肾移植数据训练的生存预测模型。我们提出了一种新颖的基于配对受者的评估框架，比较从同一死亡供者接受肾脏的两名受者之间的移植物结果，从而使我们能够评估为某一供者更换受者的反事实收益。我们发现，五种不同的生存预测模型（复杂度从线性到基于深度学习的模型）均产生约~60

相似文章