📊 statistics

KAPLAN: Kolmogorov-Arnold Prognostic Learnable Activation Networks for Survival Analysis

Das Papier stellt KAPLAN-HR vor, ein B-Spline-Kolmogorow-Arnold-Netzwerk für die Überlebenszeitanalyse, das komplexe Kovariateninteraktionen und zeitvariierende Effekte ohne manuelle Spezifikation automatisch erlernt und dimensionsunabhängige Konvergenzraten sowie überlegene Vorhersageleistung über klinische Datensätze hinweg bietet.

Ursprüngliche Autoren: Stelios Boulitsakis Logothetis, Angela Wood, Pietro Li ò

Veröffentlicht 2026-05-25

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Stelios Boulitsakis Logothetis, Angela Wood, Pietro Li ò

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie sind ein Arzt, der vorhersagen möchte, wie lange ein Patient nach einer Diagnose leben wird, oder ein Mechaniker, der erraten soll, wann ein Autoteil ausfällt. Dies nennt man Überlebenszeitanalyse (Survival Analysis). Der knifflige Teil ist, dass Sie oft nicht die gesamte Geschichte zu sehen bekommen. Manchmal zieht ein Patient weg, oder ein Auto wird verkauft, bevor es ausfällt. Sie wissen nur, dass sie mindestens bis zu diesem Zeitpunkt überlebt haben. Dies nennt man „Rechtszensierung" (right censoring).

Seit Jahrzehnten verwenden Statistiker Werkzeuge wie das Cox-Modell, um diese Vorhersagen zu treffen. Stellen Sie sich das Cox-Modell als ein sehr starres, vorgefertigtes Haus vor. Es ist stabil und leicht zu verstehen, aber wenn Sie eine Wendeltreppe oder ein Dachfenster hinzufügen möchten (komplexe Wechselwirkungen zwischen Variablen), müssen Sie diese selbst manuell entwerfen und bauen. Wenn Sie ein Detail übersehen, passt das gesamte Haus möglicherweise nicht zur Realität der Daten.

Hier kommt KAPLAN-HR ins Spiel, die in diesem Papier vorgestellte neue Methode. Die Autoren (von der University of Cambridge) schlagen einen intelligenteren, flexibleren Weg vor, um diese Vorhersagemodelle mit etwas zu bauen, das Kolmogorov-Arnold-Netzwerke (KANs) genannt wird.

So funktioniert KAPLAN-HR, erklärt durch einfache Analogien:

1. Das „Lego" versus das „Puzzle"

Traditionelle Deep-Learning-Modelle (wie Standard-Neuronale Netze) sind wie ein riesiger, massiver Betonblock. Sie sind leistungsstark und können fast alles lernen, aber sie sind schwer zu verstehen. Man kann nicht leicht erkennen, warum sie eine bestimmte Vorhersage getroffen haben.

Ältere statistische Modelle (wie GAMs) sind wie ein Set aus Lego-Steinen. Man kann sie zusammenstecken, aber jeder Stein tut nur eine einfache Sache (wie „wie das Alter das Risiko beeinflusst" oder „wie die Zeit das Risiko beeinflusst"). Wenn man sehen möchte, wie Alter und Zeit zusammen auf komplexe Weise das Risiko beeinflussen, muss man dem Modell manuell befehlen, diese spezifischen Steine zusammenzustecken.

KAPLAN-HR ist wie ein intelligentes, selbst zusammenstellendes Puzzle.

Die Kanten: Anstelle von festen Zahlen sind die Verbindungen im Netzwerk „lernbare Funktionen". Stellen Sie sich jede Verbindung als einen flexiblen Gummiband vor, das sich in jede Form strecken und verdrehen kann, die nötig ist, um zu den Daten zu passen.
Die Schichten:
- Eine Schicht: Wenn man nur eine Schicht verwendet, verhält es sich wie die alten Lego-Modelle (GAMs). Es ist einfach, additiv und leicht zu interpretieren.
- Mehrere Schichten: Wenn man mehr Schichten stapelt, beginnen die Gummibänder zu interagieren. Das Modell kann nun komplexe Zusammenhänge selbst herausfinden – etwa wie ein bestimmtes Medikament nur wirkt, wenn ein Patient auch über einem bestimmten Alter liegt, ohne dass man ihm befehlen muss, nach dieser spezifischen Kombination zu suchen.

2. Der „Fluch der Dimensionalität"-Brecher

In der Datenwissenschaft gibt es ein Problem namens „Fluch der Dimensionalität". Es ist wie der Versuch, eine bestimmte Nadel in einem Heuhaufen zu finden, der immer größer und größer wird. Normalerweise explodiert die Menge an Daten, die man für eine gute Antwort benötigt, wenn man mehr Variablen (Kovariaten) zu seinem Modell hinzufügt.

Das Papier behauptet, dass KAPLAN-HR eine besondere Superkraft hat: es ignoriert die Größe des Heuhaufens.
Die Autoren bewiesen mathematisch, dass wenn die Realität der Wahrheit durch diese „flexible Puzzle"-Struktur beschrieben werden kann, das Modell genauso schnell lernt, egal ob man 5 Variablen oder 500 hat. Es wird nicht langsamer und benötigt nicht mehr Daten, nur weil das Problem komplexer geworden ist. Das ist eine große Sache, da medizinische Datensätze oft Hunderte verschiedener Messwerte enthalten.

3. Der „Trainings"-Prozess

Wie lernt das Modell?

Es betrachtet die Daten (Patienten, Zeiten und ob das Ereignis eingetreten ist).
Es versucht, eine Kurve (die „Hazard"-Funktion) zu zeichnen, die am besten zu den Daten passt.
Da es B-Splines (eine Art glatte mathematische Kurve) in Kombination mit einer modernen Aktivierungsfunktion (SiLU) verwendet, kann es sich wackeln und biegen, um perfekt zu den Daten zu passen, ohne zu kantig oder zu glatt zu sein.
Es verwendet einen Trick der „numerischen Integration", um seine Vorhersagen in Überlebenskurven (die Wahrscheinlichkeit, bis zu einem bestimmten Zeitpunkt zu überleben) umzuwandeln, was notwendig ist, weil die Mathematik zu unübersichtlich wird, um sie mit einer einfachen Formel zu lösen.

4. Hat es funktioniert? (Die Ergebnisse)

Die Autoren testeten KAPLAN-HR an sechs realen klinischen Datensätzen (einschließlich Brustkrebsdaten, Herzinsuffizienzdaten und ICU-Patientenakten). Sie verglichen es mit:

Dem alten Standard (Cox-Modelle).
Den flexiblen Lego-Modellen (GAMs).
Den großen Betonblöcken (Deep-Learning-Modelle wie DeepSurv und DeepHit).

Das Urteil:
KAPLAN-HR war ein Champion.

Es entsprach den besten bestehenden Modellen oder übertraf sie bei der Vorhersage, wer länger überleben würde (Diskriminierung).
Es war sehr genau bei der Vorhersage der genauen Überlebenskurve (Genauigkeit).
Es war gut kalibriert, was bedeutet, dass wenn es eine 20%ige Chance für ein Ereignis sagte, dies tatsächlich etwa 20% der Zeit eintrat.

Entscheidend ist, dass sie in ihren Simulationen zeigten, dass wenn die Daten komplexe Wechselwirkungen hatten (wie eine „Drehung" in der Beziehung zwischen Variablen), die alten Modelle stecken blieben und aufhörten, sich zu verbessern, während KAPLAN-HR besser wurde, je mehr Daten es sah.

Zusammenfassung

KAPLAN-HR ist ein neues Werkzeug zur Vorhersage von Zeit-bis-zu-Ereignis-Daten (wie Überlebenszeiten). Es überbrückt die Lücke zwischen einfachen, leicht verständlichen statistischen Modellen und komplexen, Black-Box-Deep-Learning-Modellen. Es verwendet eine flexible, puzzleartige Architektur, die komplexe Beziehungen in den Daten automatisch entdecken kann, ohne dass ein Mensch sie manuell programmieren muss. Das Papier beweist, dass diese Methode mathematisch fundiert ist (sie lernt schnell, unabhängig von der Datenkomplexität) und praktisch effektiv ist (sie leistet auf realen medizinischen Daten genauso gut oder besser als der aktuelle Stand der Technik).

Technische Zusammenfassung: KAPLAN-HR

Problemstellung

Die Überlebenszeitanalyse zielt darauf ab, die Verteilung der Zeit bis zum Ereignis unter Rechtszensierung zu modellieren, wobei der genaue Zeitpunkt des Ereignisses nur teilweise beobachtet wird. Während das Cox-Modell für proportionale Hazardraten (PH) der Standard ist, erfordert es die manuelle Spezifikation von Merkmalsinteraktionen und geht von zeitinvarianten Kovariableneffekten aus, was für umfangreiche klinische Datensätze zunehmend unpraktisch ist. Bestehende flexible Alternativen wie generalisierte additive Modelle (GAMs) und HARE sind strukturell begrenzt: GAMs erfordern manuelle Interaktionsterme, und HARE kann keine Interaktionen höherer Ordnung darstellen. Umgekehrt lockern Deep-Learning-Ansätze zwar strukturelle Beschränkungen, opfern jedoch oft die Interpretierbarkeit und die additive Struktur klassischer Modelle. Darüber hinaus zeigen zwar neuere Anwendungen von Kolmogorov-Arnold-Netzwerken (KANs) in der Überlebenszeitanalyse vielversprechende Ergebnisse, ihnen fehlt jedoch eine formale theoretische Analyse hinsichtlich Konvergenzraten und statistischer Eigenschaften.

Methodik: KAPLAN-HR

Die Autoren stellen KAPLAN-HR (Kolmogorov-Arnold Prognostic Learnable Activation Networks for Survival Analysis) vor, ein B-Spline-KAN, das entwickelt wurde, um die bedingte Hazardrate als gemeinsame Funktion von Kovariablen ( $x$ ) und Zeit ( $t$ ) zu schätzen.

Architektur

Das Modell parametrisiert die Log-Hazard-Funktion $g(x, t)$ unter Verwendung eines KAN, wobei Kanten lernbare univariate Funktionen tragen und Knoten Eingaben summieren.

Kantenparametrisierung: Jede Kante ist eine gewichtete Summe aus einem B-Spline und einem residualen SiLU-Term (Sigmoid Linear Unit).
Tiefe und Struktur:
- Einlagig ( $D=1$ ): Stellt unter der PH-Einschränkung ein additives B-Spline-GAM wieder her, wobei $\log \lambda(t|x) = \sum \phi_i(x^{(i)}) + \phi_t(t)$ .
- Tiefe Architekturen ( $D \ge 2$ ): Durch Komposition erfassen tiefere Schichten Kovariableninteraktionen und zeitvariierende Effekte und entfernen sowohl die additiven als auch die proportionalen Hazardraten-Einschränkungen.
Training: Das Modell minimiert die negative Log-Likelihood (NLL) der beobachteten Daten. Da die kumulative Hazardrate $\Lambda(t|x) = \int_0^t \lambda(s|x) ds$ für KAN-modellierte Hazardraten keine geschlossene Form besitzt, approximieren die Autoren sie mittels numerischer Integration (Rechteckregel mit rechter Endpunkt) über ein diskretes Zeitgitter.

Theoretische Analyse

Die Arbeit leitet eine Konvergenzrate für den KAPLAN-HR-Schätzer unter Verwendung der Methode der Siebe her.

Annahmen: Die wahre Log-Hazard-Funktion $g^*$ wird als innerhalb einer Klasse von Funktionen liegend angenommen, die als geschichtete Komposition glatter univariater Funktionen darstellbar sind ( $FKAN_r$ ). Die Zensierung wird als unabhängig von der Ereigniszeit unter der Bedingung der Kovariablen angenommen.
Konvergenzrate: Die Autoren beweisen, dass der Hellinger-Abstand zwischen dem geschätzten und dem wahren Log-Hazard mit einer Rate von $O_P(n^{-r/(2r+1)}\sqrt{\log n})$ konvergiert, wobei $r$ der Glattheits-Exponent ist.
Bedeutung der Rate: Entscheidend ist, dass diese Rate nur von der Glattheit der Darstellung und der Stichprobengröße abhängt, nicht jedoch von der Kovariablen-Dimensionalität (bis auf einen logarithmischen Faktor). Dies deutet darauf hin, dass KAPLAN-HR den Fluch der Dimensionalität für Ziele, die durch KANs darstellbar sind, abschwächt.

Hauptbeiträge

Modellvorschlag: KAPLAN-HR dient als Brücke zwischen additiven spline-basierten Hazardmodellen und tiefen Überlebensmodellen, wobei die Netzwerktiefe das Ausmaß der strukturellen Lockerung steuert (von additiv zu interaktiv).
Theoretische Garantie: Die Arbeit liefert die erste formale Konvergenzrate für ein KAN-basiertes Überlebensmodell und zeigt die Dimensionsunabhängigkeit für KAN-darstellbare Ziele auf.
Empirische Validierung: Umfassende Evaluierung an sechs klinischen Benchmark-Datensätzen und Simulationsstudien.

Experimentelle Ergebnisse

Simulationen

Die Autoren testeten vier Daten-Generierungsprozesse (DGPs) mit variierender Glattheit und Interaktionsstruktur:

Konvergenz: KAPLAN-HR verfolgte die vorhergesagte Konvergenzrate ( $n^{-r/(2r+1)}$ ) über alle DGPs hinweg.
Interaktionen: Während GAMs bei additiven DGPs (DGP-1, DGP-2) konvergierten, stagnierten sie bei interaktionsreichen DGPs (DGP-3, DGP-4). KAPLAN-HR verbesserte sich weiterhin und demonstrierte damit seine Fähigkeit, Interaktionen zu erfassen, die additive Modelle nicht abbilden können.

Klinische Benchmarks

KAPLAN-HR wurde an sechs Standarddatensätzen (METABRIC, MIMIC-III, RotGBSG, FLCHAIN, NWTCO, SUPPORT) gegen neun Baselines (CoxPH, GAM, HARE, DeepSurv, DeepHit, DSM, CoxKAN usw.) unter Verwendung von Diskriminierung (C-TD), Überlebensgenauigkeit (IBS) und Kalibrierung (ICI, D-CAL) evaluiert.

Leistung: KAPLAN-HR erzielte auf 4 von 6 Datensätzen die beste C-TD, auf 3 von 6 die beste IBS und auf 2 von 6 die beste ICI.
Signifikanz: In einem Wilcoxon-Vorzeichen-Rang-Test mit Holm-Bonferroni-Korrektur zeigte KAPLAN-HR im Vergleich zur besten Baseline (DeepSurv) auf dem FLCHAIN-Datensatz eine statistisch signifikante Verbesserung der Diskriminierung. Es wurden keine signifikanten Verschlechterungen in irgendeiner Metrik beobachtet.
Rangfolge: Im Durchschnitt rangierte KAPLAN-HR wettbewerbsfähig und entsprach oder übertraf häufig etablierte statistische und Deep-Learning-Methoden.

Bedeutung und Behauptungen

Die Arbeit behauptet, dass KAPLAN-HR einen prinzipiellen Ansatz für die Überlebenszeitanalyse bietet, der Flexibilität und Interpretierbarkeit in Einklang bringt.

Theoretische Neuheit: Der Hauptbeitrag ist die Etablierung einer dimensionsfreien Konvergenzrate für KAN-basierte Hazard-Schätzer, eine theoretische Lücke, die in der bisherigen KAN-Überlebensliteratur noch nicht adressiert wurde.
Praktischer Nutzen: Die Methode erfasst erfolgreich komplexe Interaktionen und zeitvariierende Effekte ohne manuelle Spezifikation und übertrifft oder entspricht State-of-the-Art-Modellen auf realen klinischen Daten.
Einschränkungen: Die Autoren weisen darauf hin, dass die Konvergenzergebnisse von der strukturellen Annahme abhängen, dass die wahre Log-Hazard-Funktion KAN-darstellbar ist, was in allen realen Szenarien möglicherweise nicht zutrifft. Zudem beschreiben die theoretischen Garantien das asymptotische Verhalten und nicht die Leistung bei endlichen Stichproben. Die Arbeit erkennt zudem bekannte Mängel in den gängigen Benchmark-Praktiken der Überlebenszeitanalyse an.

Zusammenfassend zeigt KAPLAN-HR, dass KANs gut für die Überlebenszeitanalyse geeignet sind und ein Modell bereitstellen, das theoretisch fundiert, dimensionsrobust und empirisch wettbewerbsfähig ist.