リカレントニューラルネットワークを活用した時間依存型生存データの競合リスク解析

辻谷 将明

誌名
電子情報通信学会論文誌 D   Vol.J104-D    No.10    pp.767-775
発行日: 2021/10/01
早期公開日: 2021/06/29
Online ISSN: 1881-0225
DOI: 10.14923/transinfj.2021JDP7008
論文種別: 論文
専門分野: 人工知能,データマイニング
キーワード: 
フィードフォワードニューラルネットワーク,  Mayo更新モデル,  帰還路,  ソフトマックス変換,  ブートストラップ法,  EIC,  条件付き生存確率,  

本文: PDF(1MB)>>
論文を購入



あらまし: 
本論文では,フィードフォワードニューラルネットワーク(Feed-Forward Neural Network;FFNN)に帰還路(recurrent connection)を加えたリカレントニューラルネットワーク(Recurrent Neural Network;RNN)を活用し,共変量の時系列情報が取込まれた競合リスク解析を実践する.具体的には,競合リスクとして肝移植をもつ原発性胆汁性胆管炎(Primary Biliary Cholangitis;PBC)データに関するRNNモデルについて考察する.なお,当時の病名は原発性胆汁性肝硬変(Primary Biliary Cirrhosis;PBC)である.ブートストラップ法を援用した最適な隠れユニット数の決定,モデルの適合度検定,及び共変量や帰還路の有意性検定などを行う.そして,本論文におけるPBCデータ解析の主要な目的である,任意の観測時点における半年後の条件付き生存確率の予測を通じ,RNNが従来のFFNNやCoxの比例ハザードモデルに基づくMayo更新モデル(Mayo updated model)に比べて,データ構造を如実に把握できることを検証する.