🧬 biology

Neural Diffusion Processes for Physically Interpretable Survival Prediction

Das Papier stellt DeepFHT vor, ein neuartiges Rahmenwerk für die Überlebensanalyse, das tiefe neuronale Netze mit Erstpassagezeitverteilungen aus der Theorie stochastischer Prozesse integriert, um eine state-of-the-art Vorhersagegenauigkeit zu erreichen und gleichzeitig physikalisch interpretierbare, nicht-proportionale Hazard-Modelle für Zeit-bis-zu-Ereignis-Daten bereitzustellen.

Ursprüngliche Autoren: Alessio Cristofoletto, Cesare Rollo, Giovanni Birolo, Piero Fariselli

Veröffentlicht 2026-05-13

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Alessio Cristofoletto, Cesare Rollo, Giovanni Birolo, Piero Fariselli

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ⚕️ Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie versuchen vorherzusagen, wie lange eine Glühbirne hält, bevor sie durchbrennt. In der medizinischen Welt nennt man dies „Überlebenszeitanalyse" – die Vorhersage, wie lange ein Patient lebt oder wie lange eine Maschine funktioniert, bevor sie ausfällt.

Seit Jahrzehnten ist der Standardweg, dies zu tun, wie die Verwendung eines geraden Lineals. Sie messen einige Dinge über den Patienten (wie Alter oder Blutdruck), und das Lineal zieht eine gerade Linie, um sein Risiko abzuschätzen. Dies funktioniert in Ordnung, wenn das Risiko über die Zeit konstant bleibt, aber im echten Leben ist alles unübersichtlich. Das Risiko eines Patienten könnte plötzlich ansteigen oder sich über Jahre hinweg langsam ändern. Die alte „gerade Lineal"-Methode (Cox-Regression) gerät in Schwierigkeiten, wenn sich die Spielregeln ändern.

Diese Arbeit stellt ein neues Werkzeug namens DeepFHT vor. Anstelle eines geraden Lineals verwendet DeepFHT eine physikbasierte Simulation, angetrieben von einem intelligenten Computerhirn (einem neuronalen Netzwerk).

So funktioniert es, unter Verwendung einfacher Analogien:

1. Der „Trunkenbold-Wandel" zur Klippe

Stellen Sie sich eine Person vor, die auf einem Seil wandert.

Das Ziel: Die Person startet in sicherer Entfernung von einer Klippe (der „absorbierenden Barriere").
Das Ereignis: Der Moment, in dem sie von der Klippe fällt, ist das „Ereignis" (wie das Fortschreiten einer Krankheit oder das Ausfallen einer Maschine).
Der Wandel: Die Person läuft nicht in einer geraden Linie. Sie wandert zufällig (Diffusion), aber sie könnte auch von einem beständigen Wind gestoßen werden (Drift) oder näher am Rand starten (Anfangsbedingung).

Bei den alten Methoden haben wir das Ergebnis einfach geraten. In DeepFHT fungiert der Computer als Übersetzer für die Patientendaten (ihre Merkmale) und übersetzt diese Daten in die spezifische Physik dieses Wandels:

Anfangsbedingung: Wie nah an der Klippe startet dieser Patient?
Drift: Gibt es einen starken Wind, der sie zur Klippe oder weg von ihr drückt?
Diffusion: Wie wackelig oder zufällig ist ihr Gang?

2. Warum dies besser ist als der alte Weg

Die alte „gerade Lineal"-Methode geht davon aus, dass wenn Patient A heute doppelt so riskant ist wie Patient B, sie immer doppelt so riskant sein werden. Dies ist oft nicht wahr.

DeepFHT ist anders, weil es versteht, dass sich das Risiko über die Zeit ändert.

Wenn ein Patient einen „wackeligen Gang" hat (hohe Diffusion), könnte sein Risiko zunächst gering sein, aber später explodieren.
Wenn ein Patient von einem „starken Wind" gestoßen wird (hohe Drift), könnte er schnell ausfallen.

Da das Modell auf echter Physik basiert (Mathematik, die beschreibt, wie sich Teilchen bewegen), errät es nicht nur eine Zahl; es simuliert den Prozess, bis zum Ereignis zu gelangen. Das bedeutet, dass es komplexe, sich ändernde Risiken bewältigen kann, die die alten geradlinigen Methoden übersehen.

3. Das „Black-Box"-Problem gelöst

Normalerweise ist, wenn Sie eine leistungsstarke KI (ein tiefes neuronales Netzwerk) verwenden, dies eine „Black Box". Sie geben Daten ein, und eine Vorhersage kommt heraus, aber Sie haben keine Ahnung, warum die KI diese Wahl getroffen hat.

DeepFHT ist anders. Da es Patientendaten in physikalische Parameter übersetzt (wie „wie nah an der Klippe" oder „wie stark der Wind ist"), sind die Ergebnisse interpretierbar.

Sie können sich die Zahlen für „Wind" und „Entfernung" ansehen und sagen: „Ah, dieser Patient ist einem hohen Risiko ausgesetzt, weil er sehr nah an der Klippe gestartet ist."
Sie können alle Patienten auf einer 2D-Karte basierend auf diesen physikalischen Zahlen abbilden. Patienten mit ähnlichen Ergebnissen gruppieren sich natürlich zusammen, genau wie Menschen mit ähnlichen Gangarten sich zusammenfinden würden.

4. Was die Autoren fanden

Das Team testete diese neue Methode gegen den alten Standard (Cox-Regression) unter Verwendung von:

Echten medizinischen Daten: Von Brustkrebspatienten, Herzkrankheitspatienten und schwer kranken, hospitalisierten Erwachsenen.
Künstlichen Daten: Einem erfundenen Datensatz, der speziell entwickelt wurde, um die alte „gerade Lineal"-Methode zu brechen, indem er komplexe, sich ändernde Risiken aufweist.

Die Ergebnisse:

Bei den echten medizinischen Daten schnitt DeepFHT genauso gut ab wie die besten bestehenden Methoden.
Bei den kniffligen, künstlichen Daten, bei denen die alte Methode versagte, war DeepFHT deutlich besser.
Am wichtigsten ist, dass es all dies tat, während es die „Physik" klar hielt. Es sagte nicht nur vorher, wer überleben würde; es erklärte warum, indem es zeigte, wie ihr spezifischer „Wandel" zur Klippe sich von dem anderer unterschied.

Zusammenfassung

Stellen Sie sich DeepFHT als Upgrade von einer statischen Karte (die alte Methode) zu einer dynamischen GPS-Simulation (die neue Methode) vor. Es sagt Ihnen nicht nur das Ziel voraus; es simuliert die Reise, berücksichtigt Wind, Gelände und Startposition und liefert eine Vorhersage, die sowohl genau als auch leicht verständlich ist.

Technische Zusammenfassung: Neuronale Diffusionsprozesse für physikalisch interpretierbare Überlebensvorhersage

Problemstellung

Die Überlebensanalyse, die Modellierung von Zeit-bis-zum-Ereignis-Daten, ist in Bereichen von der Medizin bis zur Finanzwelt grundlegend. Traditionelle Methoden, insbesondere das Cox-Proportional-Hazards-Modell (CoxPH), beruhen auf starken statistischen Annahmen: spezifisch, dass das Hazard-Verhältnis zwischen Individuen über die Zeit konstant bleibt (proportionale Hazards) und dass die Beziehung zwischen Kovariaten und Risiko oft linear ist. Diese Annahmen sind in komplexen Systemen, in denen sich das Risiko nichtlinear entwickelt oder wo Hazard-Verhältnisse mit der Zeit variieren, häufig unrealistisch.

Im Gegensatz dazu bieten moderne Deep-Learning-Ansätze (z. B. DeepHit) eine hohe prädiktive Flexibilität, indem sie Ereigniszeit-Dichten direkt aus den Daten approximieren. Allerdings fehlt diesen „Black-Box"-Modellen die physikalische Interpretierbarkeit; die gelernten Verteilungen sind nicht an die Parameter eines zugrunde liegenden stochastischen Prozesses gebunden, was es schwierig macht zu verstehen, wie Eingangsmerkmale mechanistisch die Überlebensdynamik beeinflussen. Parametrische First-Hitting-Time (FHT)-Modelle bieten eine physikalisch fundierte Alternative, leiden jedoch oft unter eingeschränkter Ausdruckskraft, wenn einfache Regressionsverfahren zur Schätzung der Prozessparameter verwendet werden.

Methodik: DeepFHT

Die Autoren stellen DeepFHT vor, ein Framework, das diese Lücke schließt, indem es tiefe neuronale Netze mit parametrischen FHT-Verteilungen koppelt, die aus der Theorie stochastischer Prozesse abgeleitet sind.

Kernkonzept

Die Methode modelliert die Zeit bis zu einem Ereignis als First Hitting Time (FHT) eines latenten Diffusionsprozesses zu einer absorbierenden Grenze. Anstatt die Überlebensfunktion direkt zu schätzen, bildet ein neuronales Netz Eingangsmerkmale ( $x$ ) auf die physikalischen Parameter eines stochastischen Prozesses ab. Diese Parameter steuern die Verteilung der ersten Durchgangszeit.

Stochastische Prozesse

Das Framework konzentriert sich auf zwei spezifische Prozesse mit bekannten analytischen Lösungen für ihre FHT-Verteilungen:

Brownsche Bewegung (ohne Drift): Entspricht einer Lévy-Verteilung für die Ereigniszeit. Sie wird parametrisiert durch eine Anfangsbedingung ( $x_0$ ) und einen Diffusionskoeffizienten ( $D$ ).
Arithmetische Brownsche Bewegung (mit Drift): Entspricht einer Inversen Gauß-Verteilung. Sie wird parametrisiert durch eine Anfangsbedingung ( $x_0$ ), einen Drift-Term ( $\mu$ ) und einen Diffusionskoeffizienten ( $D$ ). Zur Identifizierbarkeit wird $D$ auf 1 festgelegt und $\mu$ so eingeschränkt, dass er negativ ist, um eine eventualige Absorption zu gewährleisten.

Architektur und Training

Neuronale Abbildung: Ein feedforward-neuronales Netz $f_\theta$ nimmt Merkmalsvektoren $x_i$ entgegen und gibt den Parametervektor $p_i$ (z. B. $[x_0, D]$ oder $[x_0, \mu]$ ) für das gewählte FHT-Modell aus.
Geschlossene Formeln: Da die zugrunde liegenden Prozesse analytisch lösbar sind, ermöglichen die vom Netz ausgegebenen Parameter die direkte Berechnung geschlossener Überlebensfunktionen $S(t|x)$ und Hazard-Funktionen $h(t|x)$ .
Verlustfunktion: Das Modell wird durch Minimierung einer benutzerdefinierten Brier-Verlustfunktion trainiert, die an den Brier-Score für Überlebensdaten angepasst ist. Dieser Verlust fasst die quadrierten Differenzen zwischen vorhergesagten Überlebenswahrscheinlichkeiten und beobachteten Ergebnissen (zensiert oder Ereignis) über einen Satz von Evaluierungszeitpunkten zusammen und nutzt Gewichte für die inverse Wahrscheinlichkeit der Zensur (IPCW), um Verzerrungen zu behandeln.

Interpretierbarkeitsmechanismus

Ein Schlüsselmerkmal von DeepFHT ist seine physikbasierte Interpretierbarkeit. Da das Netz physikalische Parameter (Anfangsposition, Drift, Diffusion) ausgibt, wird jeder Patient als Punkt in einem latenten Parameterraum dargestellt.

Risikovisualisierung: Die Autoren interpolieren Ereigniszeiten in diesem Parameterraum unter Verwendung einer inversen Distanzgewichtung der unzensierten Trainingsinstanzen.
Ähnlichkeit: Patienten mit ähnlichen Risikoprofilen gruppieren sich in diesem Raum basierend auf der Geometrie des zugrunde liegenden stochastischen Prozesses zusammen, was eine intuitive Visualisierung ermöglicht, wie Merkmale (z. B. Blutdruck, Tumorgrad) die Prozessparameter in Richtung höherer oder niedrigerer Risikoregionen verschieben.

Hauptbeiträge

Hybrides Framework: DeepFHT wird als erste Anwendung modernen Deep Learnings auf parametrische FHT-Überlebensmodelle vorgestellt, das die Darstellungskraft neuronaler Netze mit der mechanistischen Fundierung stochastischer Prozesse verbindet.
Lockerung von Annahmen: Durch die Nutzung von FHT-Verteilungen erfasst das Modell natürlich zeitvariierende Hazard-Verhältnisse und nicht-proportionale Hazards, ohne ein konstantes Hazard-Verhältnis anzunehmen, und adressiert damit eine Hauptbeschränkung von CoxPH.
Geschlossene Form-Interpretierbarkeit: Im Gegensatz zu anderen Deep-Survival-Modellen, die undurchsichtige Wahrscheinlichkeitsverteilungen ausgeben, liefert DeepFHT explizite, physikalisch sinnvolle Parameter (Drift, Diffusion), die analysiert werden können, um die latenten Dynamiken des Ereignisgenerierungsprozesses zu verstehen.

Ergebnisse

Die Autoren evaluierten DeepFHT auf vier Datensätzen: drei klinischen Benchmarks (GBSG2, Framingham, SUPPORT2) und einem synthetischen Datensatz (NonPH), der speziell entwickelt wurde, um proportionale Hazards und Linearität zu verletzen.

Prädiktive Leistung:
- Auf klinischen Datensätzen (GBSG2, Framingham) erreichte DeepFHT eine prädiktive Genauigkeit (gemessen durch den Antolini-C-Index und den integrierten Brier-Score), die mit dem state-of-the-art CoxPH-Modell vergleichbar war.
- Auf dem synthetischen NonPH-Datensatz übertraf DeepFHT CoxPH bei allen getesteten Verteilungen (Lévy und Inverse Gauß) signifikant und demonstrierte seine überlegene Fähigkeit in Szenarien mit nichtlinearen Effekten und nicht-proportionalen Hazards.
- Auf dem hochdimensionalen SUPPORT2-Datensatz zeigte die Variante mit Inverser Gauß-Verteilung eine klare Verbesserung gegenüber der Cox-Regression.
Validierung der Interpretierbarkeit:
- Visualisierungen des Parameterraums bestätigten, dass Patienten mit ähnlichen beobachteten Ereigniszeiten in zusammenhängenden Regionen gruppiert waren.
- Das Modell rekonstruierte erfolgreich bekannte klinische Zusammenhänge: Beispielsweise wurden im GBSG2-Datensatz hochgradige Tumore Regionen mit stärkerer Drift und Anfangsbedingungen näher an der absorbierenden Barriere (höheres Risiko) zugeordnet, während im Framingham-Datensatz ein höherer Blutdruck mit Hochrisiko-Parameterregionen korrelierte.
- Die Autoren stellten fest, dass in realen Datensätzen Parameter oft Kollinearität aufwiesen (Konzentration auf 1D-Mannigfaltigkeiten), was sie auf die begrenzte Komplexität verfügbarer klinischer Daten und nicht auf ein Versagen des Modells zurückführten. Dieser Effekt fehlte im synthetischen NonPH-Datensatz.

Bedeutung und Behauptungen

Die Arbeit behauptet, dass DeepFHT eine prinzipielle Alternative zu Black-Box-Überlebensmodellen darstellt. Ihre Bedeutung liegt darin, ein Modell anzubieten, das nicht nur genau ist, sondern auch in einer dynamischen Beschreibung verankert ist, die Kovariaten mit dem latenten Prozess verbindet, der Ereignisse generiert.

Die Autoren schließen bescheiden, dass DeepFHT zwar die Leistung von CoxPH erreicht oder übertrifft, die vergleichbaren Ergebnisse auf bestehenden klinischen Datensätzen jedoch darauf hindeuten könnten, dass die Ausdruckskraft aktueller öffentlicher Datensätze begrenzt ist. Sie gehen davon aus, dass der wahre Wert der Kombination von Deep Learning mit stochastischen Modellen wahrscheinlich dann hervorgehoben wird, wenn sie auf reichhaltigere, komplexere Datensätze angewendet werden, in denen nichtlineare und nicht-proportionale Hazard-Dynamiken ausgeprägter sind. Das Framework bietet einen Weg zur „mechanistischen Fundierung" in der Überlebensanalyse und könnte potenziell neue Korrelationen in hochdimensionalen Daten aufdecken, die traditionelle lineare Modelle übersehen.