📊 statistics

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

El artículo presenta KAPLAN-HR, una red de Kolmogorov-Arnold con splines B para el análisis de supervivencia que aprende automáticamente interacciones complejas de covariables y efectos que varían en el tiempo sin especificación manual, ofreciendo tasas de convergencia independientes de la dimensión y un rendimiento predictivo superior en conjuntos de datos clínicos.

Autores originales: Stelios Boulitsakis Logothetis, Angela Wood, Pietro Li ò

Publicado 2026-05-25

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Stelios Boulitsakis Logothetis, Angela Wood, Pietro Li ò

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres un médico tratando de predecir cuánto tiempo vivirá un paciente después de un diagnóstico, o un mecánico intentando adivinar cuándo se romperá una pieza de un automóvil. Esto se llama Análisis de Supervivencia. La parte complicada es que a menudo no llegas a ver la historia completa. A veces un paciente se muda, o un automóvil se vende antes de que se rompa. Solo sabes que sobrevivieron al menos hasta ese punto. Esto se llama "censura por la derecha".

Durante décadas, los estadísticos han utilizado herramientas como el modelo de Cox para hacer estas predicciones. Piensa en el modelo de Cox como una casa muy rígida, prefabricada. Es sólida y fácil de entender, pero si quieres añadir una escalera de caracol o una claraboya (interacciones complejas entre variables), tienes que diseñarla y construirla manualmente tú mismo. Si te saltas un detalle, toda la casa podría no encajar con la realidad de los datos.

Aquí entra KAPLAN-HR, el nuevo método presentado en este artículo. Los autores (de la Universidad de Cambridge) proponen una forma más inteligente y flexible de construir estos modelos de predicción utilizando algo llamado Redes Kolmogorov-Arnold (KANs).

Así funciona KAPLAN-HR, explicado mediante analogías sencillas:

1. El "Lego" frente al "Rompecabezas"

Los modelos tradicionales de aprendizaje profundo (como las redes neuronales estándar) son como un bloque gigante y sólido de hormigón. Son potentes y pueden aprender casi cualquier cosa, pero son difíciles de entender. No puedes ver fácilmente por qué hicieron una predicción específica.

Los modelos estadísticos más antiguos (como los GAM) son como un conjunto de bloques de Lego. Puedes encajarlos, pero cada bloque solo hace una cosa simple (como "cómo la edad afecta el riesgo" o "cómo el tiempo afecta el riesgo"). Si quieres ver cómo la edad y el tiempo juntos afectan el riesgo de una manera compleja, tienes que decirle manualmente al modelo que encaje esos bloques específicos.

KAPLAN-HR es como un rompecabezas inteligente y autoensamblable.

Los bordes: En lugar de números fijos, las conexiones en la red son "funciones aprendibles". Imagina que cada conexión es una banda elástica flexible que puede estirarse y torcerse en cualquier forma que necesite para ajustarse a los datos.
Las capas:
- Una capa: Si usas solo una capa, actúa como los antiguos modelos de Lego (GAMs). Es simple, aditiva y fácil de interpretar.
- Múltiples capas: Si apilas más capas, las bandas elásticas comienzan a interactuar. El modelo ahora puede descubrir relaciones complejas por sí mismo, como cómo un fármaco específico podría funcionar solo si un paciente también tiene más de cierta edad, sin que tengas que decirle que busque esa combinación específica.

2. El rompedor de la "Maldición de la Dimensionalidad"

En la ciencia de datos, hay un problema llamado "maldición de la dimensionalidad". Es como intentar encontrar una aguja específica en un pajar que sigue haciéndose más y más grande. Por lo general, a medida que agregas más variables (covariables) a tu modelo, la cantidad de datos que necesitas para obtener una buena respuesta explota.

El artículo afirma que KAPLAN-HR tiene un superpoder especial: ignora el tamaño del pajar.
Los autores demostraron matemáticamente que si la verdad del mundo real puede describirse mediante esta estructura de "rompecabezas flexible", el modelo aprende tan rápido tengas 5 variables o 500. No se vuelve más lento ni necesita más datos solo porque el problema se haya vuelto más complejo. Esto es un gran logro porque los conjuntos de datos médicos a menudo tienen cientos de mediciones diferentes.

3. El proceso de "Entrenamiento"

¿Cómo aprende el modelo?

Examina los datos (pacientes, tiempos y si el evento ocurrió).
Intenta dibujar una curva (el "riesgo") que se ajuste mejor a los datos.
Debido a que utiliza B-splines (un tipo de curva matemática suave) combinados con un poco de una función de activación moderna (SiLU), puede ondularse y doblarse para ajustarse perfectamente a los datos sin ser demasiado irregular ni demasiado suave.
Utiliza un truco de "integración numérica" para convertir sus predicciones en curvas de supervivencia (la probabilidad de sobrevivir hasta un cierto tiempo), lo cual es necesario porque las matemáticas se vuelven demasiado complicadas para resolverlas con una fórmula simple.

4. ¿Funcionó? (Los Resultados)

Los autores probaron KAPLAN-HR en seis conjuntos de datos clínicos del mundo real (incluyendo datos de cáncer de mama, datos de insuficiencia cardíaca y registros de pacientes de UCI). Lo compararon con:

El estándar antiguo (modelos de Cox).
Los modelos flexibles de Lego (GAMs).
Los grandes bloques de hormigón (modelos de Aprendizaje Profundo como DeepSurv y DeepHit).

El Veredicto:
KAPLAN-HR fue un campeón.

Igualó o superó a los mejores modelos existentes en predecir quién viviría más tiempo (Discriminación).
Fue muy preciso al predecir la curva de supervivencia exacta (Precisión).
Estuvo bien calibrado, lo que significa que si decía que había un 20% de probabilidad de que ocurriera un evento, este realmente ocurrió aproximadamente el 20% de las veces.

Crucialmente, en sus simulaciones, mostraron que cuando los datos tenían interacciones complejas (como un "giro" en la relación entre variables), los modelos antiguos se quedaban atascados y dejaban de mejorar, mientras que KAPLAN-HR seguía mejorando a medida que veía más datos.

Resumen

KAPLAN-HR es una nueva herramienta para predecir datos de tiempo hasta el evento (como los tiempos de supervivencia). Cierra la brecha entre los modelos estadísticos simples y fáciles de entender y los modelos complejos de aprendizaje profundo de caja negra. Utiliza una arquitectura flexible, similar a un rompecabezas, que puede descubrir automáticamente relaciones complejas en los datos sin necesidad de que un humano las programe manualmente. El artículo demuestra que este método es matemáticamente sólido (aprende rápido independientemente de la complejidad de los datos) y prácticamente efectivo (rendimiento igual o mejor que el estado del arte actual en datos médicos reales).

Resumen Técnico: KAPLAN-HR

Enunciado del Problema

El análisis de supervivencia busca modelar la distribución del tiempo hasta el evento bajo censura por la derecha, donde el tiempo exacto del evento solo se observa parcialmente. Si bien el modelo de riesgos proporcionales (PH) de Cox es el estándar, requiere la especificación manual de interacciones de características y asume efectos de covariables invariantes en el tiempo, lo cual es cada vez más poco práctico para conjuntos de datos clínicos ricos. Las alternativas flexibles existentes, como los Modelos Aditivos Generalizados (GAMs) y HARE, están limitadas estructuralmente: los GAMs requieren términos de interacción manuales, y HARE no puede representar interacciones de orden superior. Por el contrario, los enfoques de aprendizaje profundo relajan las restricciones estructurales pero a menudo sacrifican la interpretabilidad y la estructura aditiva de los modelos clásicos. Además, si bien las aplicaciones recientes de Redes de Kolmogorov-Arnold (KANs) al análisis de supervivencia muestran promesa, carecen de un análisis teórico formal respecto a las tasas de convergencia y las propiedades estadísticas.

Metodología: KAPLAN-HR

Los autores introducen KAPLAN-HR (Redes de Activación Aprendibles Prognósticas de Kolmogorov-Arnold para Análisis de Supervivencia), una KAN basada en B-splines diseñada para estimar el riesgo condicional como una función conjunta de las covariables ( $x$ ) y el tiempo ( $t$ ).

Arquitectura

El modelo parametriza la función de log-riesgo $g(x, t)$ utilizando una KAN, donde las aristas transportan funciones univariadas aprendibles y los nodos suman las entradas.

Parametrización de Aristas: Cada arista es una suma ponderada de una B-spline y un término residual SiLU (Unidad Lineal Sigmoidal).
Profundidad y Estructura:
- Capa única ( $D=1$ ): Recupera un GAM aditivo basado en B-splines bajo la restricción PH, donde $\log \lambda(t|x) = \sum \phi_i(x^{(i)}) + \phi_t(t)$ .
- Arquitecturas profundas ( $D \ge 2$ ): A través de la composición, las capas más profundas capturan interacciones de covariables y efectos variables en el tiempo, eliminando tanto las restricciones aditivas como las de riesgos proporcionales.
Entrenamiento: El modelo minimiza la verosimilitud negativa (NLL) de los datos observados. Dado que el riesgo acumulado $\Lambda(t|x) = \int_0^t \lambda(s|x) ds$ no tiene forma cerrada para riesgos modelados con KAN, los autores lo aproximan utilizando integración numérica (regla del rectángulo del extremo derecho) sobre una cuadrícula de tiempo discreta.

Análisis Teórico

El artículo establece una tasa de convergencia para el estimador KAPLAN-HR utilizando el método de tamices.

Supuestos: Se asume que el verdadero log-riesgo $g^*$ reside dentro de una clase de funciones representables como una composición en capas de funciones univariadas suaves ( $FKAN_r$ ). Se asume que la censura es independiente del tiempo del evento condicional a las covariables.
Tasa de Convergencia: Los autores demuestran que la distancia de Hellinger entre el log-riesgo estimado y el verdadero converge a una tasa de $O_P(n^{-r/(2r+1)}\sqrt{\log n})$ , donde $r$ es el exponente de suavidad.
Significado de la Tasa: Crucialmente, esta tasa depende únicamente de la suavidad de la representación y del tamaño de la muestra, no de la dimensión de las covariables (hasta un factor logarítmico). Esto sugiere que KAPLAN-HR mitiga la maldición de la dimensionalidad para objetivos representables por KANs.

Contribuciones Clave

Propuesta de Modelo: KAPLAN-HR sirve como puente entre los modelos de riesgo basados en splines aditivos y los modelos de supervivencia profundos, donde la profundidad de la red controla el nivel de relajación estructural (de aditivo a interactivo).
Garantía Teórica: El artículo proporciona la primera tasa de convergencia formal para un modelo de supervivencia basado en KAN, demostrando la independencia de la dimensión para objetivos representables por KAN.
Validación Empírica: Evaluación extensa en seis conjuntos de datos de referencia clínicos y estudios de simulación.

Resultados Experimentales

Simulaciones

Los autores probaron cuatro Procesos Generadores de Datos (DGPs) con variaciones en suavidad y estructuras de interacción:

Convergencia: KAPLAN-HR siguió la tasa de convergencia predicha ( $n^{-r/(2r+1)}$ ) en todos los DGPs.
Interacciones: Mientras que los GAMs convergieron en DGPs aditivos (DGP-1, DGP-2), se estancaron en DGPs con muchas interacciones (DGP-3, DGP-4). KAPLAN-HR continuó mejorando, demostrando su capacidad para capturar interacciones que los modelos aditivos no pueden.

Referentes Clínicos

KAPLAN-HR fue evaluado en seis conjuntos de datos estándar (METABRIC, MIMIC-III, RotGBSG, FLCHAIN, NWTCO, SUPPORT) frente a nueve líneas base (CoxPH, GAM, HARE, DeepSurv, DeepHit, DSM, CoxKAN, etc.) utilizando discriminación (C-TD), precisión de supervivencia (IBS) y calibración (ICI, D-CAL).

Rendimiento: KAPLAN-HR logró el mejor C-TD en 4 de 6 conjuntos de datos, el mejor IBS en 3 de 6, y el mejor ICI en 2 de 6.
Significancia: En una prueba de rangos con signo de Wilcoxon con corrección Holm-Bonferroni, KAPLAN-HR mostró una mejora estadísticamente significativa en la discriminación en el conjunto de datos FLCHAIN en comparación con la mejor línea base (DeepSurv). No se observaron degradaciones significativas en ninguna métrica.
Clasificación: En promedio, KAPLAN-HR se clasificó de manera competitiva, a menudo igualando o superando a los métodos estadísticos y de aprendizaje profundo establecidos.

Significancia y Afirmaciones

El artículo afirma que KAPLAN-HR ofrece un enfoque principiado para el análisis de supervivencia que equilibra flexibilidad e interpretabilidad.

Novedad Teórica: La contribución principal es el establecimiento de una tasa de convergencia libre de dimensión para estimadores de riesgo basados en KAN, una brecha teórica previamente no abordada en la literatura de supervivencia con KAN.
Utilidad Práctica: El método captura con éxito interacciones complejas y efectos variables en el tiempo sin especificación manual, superando o igualando a los modelos de vanguardia en datos clínicos del mundo real.
Limitaciones: Los autores señalan que los resultados de convergencia dependen del supuesto estructural de que el verdadero log-riesgo es representable por KAN, lo cual podría no cumplirse en todos los escenarios del mundo real. Además, las garantías teóricas describen el comportamiento asintótico en lugar del rendimiento en muestras finitas. El artículo también reconoce las deficiencias conocidas en las prácticas estándar de evaluación comparativa en análisis de supervivencia.

En conclusión, KAPLAN-HR demuestra que las KANs son muy adecuadas para el análisis de supervivencia, proporcionando un modelo que está fundamentado teóricamente, es robusto dimensionalmente y empíricamente competitivo.