🤖 machine learning

SurvBench: A Standardised Preprocessing Pipeline for Multi-Modal Electronic Health Record Survival Analysis

SurvBench est un pipeline de prétraitement open-source et standardisé qui convertit les données brutes de dossiers de santé électroniques de PhysioNet en tenseurs prêts pour les modèles à travers quatre bases de données de soins intensifs et quatre modalités, en s'attaquant à l'incohérence dans le traitement des données en amont qui entrave actuellement la comparaison équitable des modèles de survie par apprentissage profond.

Auteurs originaux : Munib Mesinovic, Tingting Zhu

Publié 2026-05-13

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Munib Mesinovic, Tingting Zhu

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayez de créer la recette ultime pour prédire combien de temps un patient restera à l'hôpital ou s'il pourrait décéder. Vous disposez de quatre cuisines différentes (quatre bases de données massives de dossiers patients : MIMIC-IV, eICU, HiRID et MC-MED). Chaque cuisine a sa propre façon de stocker les ingrédients, ses propres tasses à mesurer et ses propres comptoirs en désordre.

Par le passé, chaque chef (chercheur) souhaitant tester sa nouvelle recette (modèle d'IA) devait d'abord nettoyer sa propre cuisine. L'un pouvait couper les légumes (données) en tout petits dés, tandis qu'un autre les laissait entiers. L'un pouvait laver la viande (imputer les données manquantes) à l'eau, un autre au savon. Parce que chacun nettoyait sa cuisine différemment, il était impossible de dire si une nouvelle recette était réellement meilleure, ou si elle fonctionnait simplement mieux parce que ce chef avait une cuisine plus propre au départ.

Voici SurvBench.

Considérez SurvBench comme un poste de préparation de cuisine universel et automatisé. C'est un outil gratuit et open source qui prend les ingrédients bruts et désordonnés de ces quatre hôpitaux différents et les transforme en paquets parfaitement standardisés, « prêts pour le modèle ».

Voici comment cela fonctionne, décomposé en parties simples :

1. Le Traducteur Universel (Prétraitement)

L'article soutient que le plus grand problème dans ce domaine ne réside pas dans les modèles d'IA eux-mêmes, mais dans le « fossé du prétraitement ». SurvBench résout ce problème en agissant comme un traducteur strict.

Standardisation des unités : Si un hôpital enregistre la température en Fahrenheit et un autre en Celsius, SurvBench les convertit tous à la même échelle avant que quiconque ne les touche.
Gestion des données manquantes : Parfois, la fréquence cardiaque d'un patient n'a pas été enregistrée pendant une heure. SurvBench ne se contente pas de deviner ; il comble le vide en utilisant une règle spécifique (en examinant la dernière valeur connue) et, de manière cruciale, il attache un « masque de manquance ». C'est comme un post-it sur l'ingrédient indiquant : « Cette valeur a été remplie par la machine, pas mesurée ». Cela garantit que l'IA fait la différence entre un zéro réel et un zéro deviné.
Fenêtres temporelles : Au lieu de regarder un flux chaotique de données, SurvBench découpe le séjour du patient en blocs de temps nets et de taille égale (comme trancher un pain), afin que les données de chaque patient aient la même forme.

2. Les Quatre Cuisines (Les Bases de Données)

SurvBench se connecte à quatre grandes bases de données publiques, qui sont comme quatre types d'hôpitaux différents :

MIMIC-IV & eICU : Ce sont d'énormes collections de dossiers de soins intensifs (ICU). Elles suivent les patients depuis leur entrée en soins intensifs jusqu'à leur départ ou leur décès.
HiRID : Une autre base de données de soins intensifs, mais provenant de Suisse, avec des données à très haute résolution (mesures prises toutes les quelques minutes).
MC-MED : Il s'agit d'une base de données du service des urgences (ED). Au lieu de simplement suivre le décès, elle suit la destination suivante du patient : rentre-t-il à la maison, va-t-il dans un lit d'hôpital ordinaire, ou est-il envoyé en soins intensifs ? C'est un scénario de « risques concurrents », comme une course où il existe plusieurs lignes d'arrivée possibles.

3. Les Ingrédients (Modalités)

SurvBench ne regarde pas une seule chose ; il combine quatre types différents d'« ingrédients » en un seul tenseur (un bloc de données multidimensionnel) :

Statiques : Des éléments qui ne changent pas, comme l'âge, le sexe et le poids.
Séries temporelles : Le rythme cardiaque, la pression artérielle et les résultats de laboratoire qui changent au fil du temps.
Codes CIM : Les codes de diagnostic médical (comme l'historique des maladies d'un patient).
Rapports de radiologie : Le texte des rapports de radiographie et de scanner, que l'outil transforme en nombres mathématiques à l'aide de modèles linguistiques avancés.

4. Le Test de Goût (Les Résultats)

Pour prouver que leur poste de préparation de cuisine fonctionne, les auteurs n'ont pas seulement construit le poste ; ils ont cuisiné cinq « recettes » différentes (modèles d'IA) en utilisant les ingrédients standardisés pour voir laquelle avait le meilleur goût.

Ils ont testé des méthodes statistiques classiques et des modèles d'apprentissage profond modernes (comme les Transformers, généralement utilisés pour le langage mais désormais appliqués aux données de séries temporelles).
Le Gagnant : Sur les données de soins intensifs, les modèles capables d'examiner l'historique des signes vitaux du patient (séries temporelles) ont bien mieux performé que ceux qui ne regardaient que des faits statiques comme l'âge.
La Star Multimodale : Un nouveau modèle qu'ils ont construit, appelé TransformerSurv (qui utilise les quatre types d'ingrédients), a très bien performé, en particulier sur les données du service des urgences où il a pu combiner les résultats de laboratoire avec le texte des rapports de radiologie.

La Grande Conclusion

L'article affirme que SurvBench est le premier outil à standardiser le « travail de préparation » pour l'analyse de survie à travers ces grandes bases de données.

Avant cela, comparer deux modèles d'IA revenait à comparer deux coureurs ayant commencé à des lignes de départ différentes. Maintenant, avec SurvBench, tout le monde part de la même ligne exacte, avec les mêmes chaussures et sur la même piste. Cela permet aux chercheurs de finally dire : « Le modèle A est réellement meilleur que le modèle B », plutôt que : « Le modèle A avait simplement un meilleur processus de nettoyage des données ».

Les auteurs soulignent que cet outil n'est pas un remède miracle ni un produit fini prêt à être utilisé par les hôpitaux dès demain. C'est une fondation. Il fournit un terrain de jeu équitable afin que les futurs scientifiques puissent construire des modèles d'IA meilleurs, plus sûrs et plus fiables sans se perdre dans les détails désordonnés du nettoyage des données.

En bref : SurvBench est le grand égalisateur. Il prend les données désordonnées et incohérentes de différents hôpitaux, les nettoie avec exactement les mêmes règles, et les remet aux chercheurs en IA afin qu'ils puissent enfin comparer leurs idées équitablement.

Résumé Technique : SurvBench

Énoncé du Problème

Les modèles de survie par apprentissage profond pour les données de dossiers médicaux électroniques (DME) font face à un obstacle majeur en matière de reproductibilité et de comparaison équitable : le « fossé de prétraitement ». Bien que les architectures de modélisation en aval (par exemple, DeepSurv, Dynamic-DeepHit) deviennent de plus en plus sophistiquées, les étapes amont nécessaires pour convertir les exportations brutes de DME en entrées prêtes pour le modèle sont rarement partagées, documentées ou standardisées. Les décisions critiques concernant la définition de la cohorte, la discrétisation du temps, la gestion des valeurs manquantes, le filtrage des caractéristiques et les règles de censure varient d'une étude à l'autre. Par conséquent, les différences de performance rapportées (par exemple, dans les indices de concordance) reflètent souvent ces choix de prétraitement plutôt que de véritables contributions à la modélisation. De plus, les benchmarks existants comme MIMIC-III sont dépassés par MIMIC-IV et ne prennent pas en charge les tâches modernes d'analyse de survie, notamment les risques concurrents et les entrées multimodales.

Méthodologie

Les auteurs présentent SurvBench, un pipeline de prétraitement open source et configurable conçu pour standardiser la création de cohortes d'analyse de survie à partir d'exportations brutes de PhysioNet.

Architecture Principale du Pipeline

SurvBench traite les données de quatre bases de données de soins intensifs : MIMIC-IV, eICU, MC-MED et HiRID. Il prend en charge quatre modalités d'entrée :

Caractéristiques statiques : Démographie (âge, sexe, etc.).
Séries temporelles : Signes vitaux et valeurs de laboratoire.
Codes CIM : Histoires de diagnostics (encodage multi-hot).
Radiologie : Embeddings de rapports en texte libre (via des modèles HuggingFace comme Clinical-Longformer).

Le pipeline fonctionne selon les étapes suivantes :

Définition de la Cohorte : Configurable via YAML. Il impose un découpage au niveau du patient pour prévenir les fuites de données (assurant que tous les séjours d'un même patient restent dans un seul pli). Il applique des filtres spécifiques par jeu de données (par exemple, une durée de séjour minimale de 24 heures pour les jeux de données de soins intensifs, des filtres d'âge).
Traitement des Étiquettes de Survie : Prend en charge à la fois les risques uniques (par exemple, mortalité en soins intensifs) et les risques concurrents (par exemple, disposition des urgences : admission, observation, admission en soins intensifs) comme points de terminaison. La censure est gérée par une truncation administrative à un horizon configurable (par exemple, 240 heures pour les soins intensifs, 24 heures pour les urgences).
Traitement des Séries Temporelles : Les mesures échantillonnées de manière irrégulière sont agrégées en fenêtres temporelles de largeur fixe (par exemple, des intervalles de 4 heures) en utilisant une agrégation par moyenne. Les caractéristiques sont filtrées en fonction d'un seuil de valeurs manquantes (par défaut 1 % des fenêtres d'entraînement).
Gestion des Valeurs Manquantes : Une stratégie en deux étapes, sûre contre les fuites de données, est employée :
1. Remplissage vers l'avant : Remplissage vers l'avant intra-patient à une résolution horaire.
2. Imputation par Moyenne : Les valeurs manquantes restantes sont remplies par la moyenne par caractéristique calculée uniquement sur le pli d'entraînement.
3. Masquage : Un masque binaire est généré parallèlement à chaque tenseur pour distinguer les valeurs observées des valeurs imputées.
Mise à l'Échelle : Une normalisation Z-score est appliquée en utilisant un StandardScaler ajusté exclusivement sur le pli d'entraînement. Les blocs de caractéristiques dynamiques et statiques sont mis à l'échelle indépendamment pour empêcher les caractéristiques statiques de dominer les statistiques de mise à l'échelle des blocs dynamiques.
Intégration Multimodale : Les caractéristiques statiques sont diffusées sur toutes les fenêtres temporelles. Les codes CIM et les embeddings radiologiques sont concaténés avec le tenseur de séries temporelles.

Références de Base

Pour valider le pipeline et fournir un benchmark, les auteurs ont entraîné cinq modèles sur les cohortes générées :

Hazards Proportionnels de Cox : Ajusté sur des caractéristiques statiques moyennées.
DeepHit : Un réseau de risques concurrents à temps discret utilisant des caractéristiques statiques.
Dynamic-DeepHit : Étend DeepHit avec un LSTM et une attention temporelle sur les données de séries temporelles.
DySurv : Un auto-encodeur variationnel LSTM avec des têtes de risque logistique spécifiques à la cause.
TransformerSurv : Une nouvelle architecture utilisant un encodeur Transformer pré-LN. Il a été testé dans deux configurations : (a) séries temporelles + statiques, et (b) multimodal complet (incluant CIM et radiologie).

Résultats Clés

Le pipeline a généré des cohortes allant d'environ 15 000 (HiRID) à environ 128 000 (eICU) séjours en soins intensifs. Les principaux résultats de l'évaluation des références de base incluent :

Importance des Données Temporelles : Les modèles uniquement statiques (Cox, DeepHit) ont nettement sous-performé par rapport aux modèles utilisant des données de séries temporelles. Sur les tâches de soins intensifs à risque unique, les modèles temporels ont obtenu des scores de concordance ( $C_{td}$ ) de 0,82 à 0,86, tandis que les modèles statiques ont obtenu 0,61 à 0,64.
Avantages Multimodaux : Sur le jeu de données MC-MED (qui inclut CIM et radiologie), le TransformerSurv multimodal a obtenu la concordance la plus élevée ( $C_{td} = 0,774$ ) et a amélioré les métriques de calibration (Score Brier Intégré et Vraisemblance Log-Négative Binomiale) par rapport à la variante uniquement séries temporelles.
Transfert Inter-Jeu de Données : Dans une tâche de validation externe entraînant sur eICU et testant sur MIMIC-IV, le modèle Transformer a obtenu la meilleure discrimination hors distribution ( $C_{td} = 0,812 \pm 0,007$ ), surpassant Dynamic-DeepHit et DySurv.
Calibration vs Discrimination : L'étude a mis en évidence un compromis où les modèles pouvaient bien classer les patients (concordance élevée) tout en produisant des probabilités mal calibrées. Par exemple, sur MC-MED, les hazards proportionnels de Cox avaient la meilleure calibration (IBS le plus bas) mais la pire concordance.

Signification et Revendications

Les auteurs positionnent SurvBench non pas comme un fournisseur d'un modèle « état de l'art », mais comme une infrastructure standardisée permettant une comparaison équitable.

Reproductibilité : En fournissant un pipeline unique et contrôlé par YAML de bout en bout, SurvBench élimine le « fossé de prétraitement » où les variations de performance sont souvent dues à des choix de gestion des données non documentés plutôt qu'à l'architecture du modèle.
Support Multimodal : C'est le premier pipeline public à prendre en charge l'intégration des modalités de séries temporelles, statiques, CIM et radiologie pour l'analyse de survie à travers plusieurs bases de données DME majeures (MIMIC-IV, eICU, MC-MED, HiRID).
Sécurité contre les Fuites de Données : Le pipeline impose strictement que l'imputation, la mise à l'échelle et le filtrage des caractéristiques soient ajustés uniquement sur le pli d'entraînement, traitant ainsi une source courante de fuites de données dans l'analyse de survie.
Fondation pour les Travaux Futurs : Les auteurs déclarent que les références de base fournies et les cohortes traitées servent de « substrat » contre lequel les futures méthodes d'apprentissage profond peuvent être mesurées dans des conditions de prétraitement appariées.

L'article conclut que, bien que le benchmark hérite des limitations démographiques de ses données sources (principalement des populations américaines et suisses), il fournit une fondation technique rigoureuse pour la comparaison de modèles, permettant aux chercheurs de se concentrer sur l'innovation algorithmique plutôt que sur l'ingénierie des données.