💻 computer science

Proper Scoring Rules for Right-Censored Survival Data

Dit artikel stelt een verenigd kader voor voor de passende scoring van rechts-gecensureerde overlevingsgegevens door predictieve distributies te mappen via het censuratiemechanisme, wat gevestigde criteria herstelt, veelvoorkomende scoringregels zoals CRPS en Brier-scores uitbreidt naar gecensureerde settings, en verbeterde multivariate modellering mogelijk maakt via "gecensureerde engressie" terwijl de rangschikkingsinconsistenties van bestaande plug-in gewogen methoden worden vermeden.

Oorspronkelijke auteurs: Jef Jonkers, Glenn Van Wallendael, Luc Duchateau, Sofie Van Hoecke

Gepubliceerd 2026-06-05

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Jef Jonkers, Glenn Van Wallendael, Luc Duchateau, Sofie Van Hoecke

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een weervoorspeller bent die probeert precies te voorspellen wanneer een storm een specifieke stad zal raken. In een perfecte wereld zou je de storm blijven observeren totdat deze arriveert, de exacte tijd vastleggen en controleren of je voorspelling klopte.

Maar in de echte wereld van survivalanalyse (het voorspellen van wanneer zaken zoals apparatuurdefecten of gezondheidsevenementen bij patiënten plaatsvinden) krijg je vaak niet het volledige verhaal te zien. Dit wordt right-censoring genoemd.

Het Probleem: De "Mysteriebox" van Censoring

Stel je voor dat je een race bekijkt, maar sommige hardlopers verlaten het parcours vroegtijdig omdat de stadionlampen uitgaan (ze zijn "gecensoreerd").

Hardloper A voltooit de race na 10 minuten. Je weet precies wanneer ze klaar waren.
Hardloper B is nog aan het rennen wanneer de lichten uitgaan na 15 minuten. Je weet dat ze na 15 minuten klaar waren, maar je weet niet of dat na 16, 20 of 100 minuten was.

Als je je weervoorspelling probeert te beoordelen met standaard regels, loop je in een valstrik. Als je simpelweg "15 minuten" gokt voor Hardloper B omdat dat is wanneer je stopte met kijken, lieg je over de data. Als je probeert te gokken op "oneindig", heb je ook ongelijk. Standaard scoringsregels raken in de war omdat ze niet weten hoe ze om moeten gaan met deze "mysterieboxen" waar de tijd van het evenement verborgen blijft.

De Oplossing: "Speel het spel volgens dezelfde regels"

De auteurs van dit paper stellen een slim, eenvoudig idee voor: Probeer niet de verborgen waarheid te raden; raad wat je gezien zou hebben als je in dezelfde situatie was als de waarnemer.

Denk hieraan als volgt:

De Standaard Fout: Je hebt een kristallen bol die de werkelijke eindtijd van elke hardloper voorspelt. Je probeert je kristallen bol te vergelijken met de hardlopers die vroegtijdig vertrokken. De wiskunde loopt vast omdat je een volledig verhaal vergelijkt met een half verhaal.
De Fix van het Paper: Voordat je je kristallen bol controleert, simuleer je het uitgaan van de lichten op jouw voorspelling ook.
- Als je kristallen bol zegt: "Hardloper B voltooit de race na 20 minuten," en de lichten gaan uit na 15 minuten, dan wordt jouw "gesimuleerde" voorspelling: "Hardloper B voltooide de race na 15 minuten."
- Nu vergelijk je jouw "gesimuleerde half verhaal" met het "werkelijke half verhaal" dat je hebt geobserveerd.

Door je voorspelling door dezelfde "censoring-filter" te dwingen als de echte data, creëer je een eerlijk speelveld. Je wordt niet langer gestraft voor het niet kennen van de toekomst; je wordt alleen beoordeeld op hoe goed je hebt voorspeld wat observeerbaar was.

De Nieuwe Tools: "Censored Scores"

Het paper neemt verschillende standaard manieren om voorspellingen te beoordelen (zoals de Brier score of CRPS) en bouwt deze "lichtschakelaar"-filters erin.

Gelokaliseerde Scores: Als je precies weet wanneer de lichten uitgingen (bijv. een vaste einddatum van een studie), pas je de filter één keer toe.
Gemarginaliseerde Scores: Als de lichten op willekeurige tijden uitgaan (bijv. patiënten die een ziekenhuis verlaten op verschillende momenten), gemiddel je de scores over alle mogelijke tijden waarop de lichten zouden kunnen uitgaan, gebaseerd op de bekende regels van het ziekenhuis.

De auteurs bewijzen dat als je dit doet, jouw "oracle" (de perfecte voorspeller) altijd de beste score krijgt, zelfs met ontbrekende data. Ze laten ook zien dat oudere methoden, die proberen de ontbrekende data te "repareren" door te gokken op de waarschijnlijkheid dat het evenement later plaatsvindt, het systeem soms kunnen misleiden en een slechte voorspelling een betere score geven dan een goede.

De Nieuwe Trainingsmethode: "Censored Engression"

Het paper biedt niet alleen een manier om voorspellingen te beoordelen; het biedt ook een manier om computers te leren deze te maken.

Ze introduceren een methode genaamd Censored Engression.

Stel je een robot voor die probeert de regels van een spel te leren door video's te bekijken waarbij het scherm soms op zwart gaat.
Naïeve Benadering: De robot negeert de zwarte schermen en probeert het volledige spel te leren, wat hem in verwarring brengt.
Censored Engression: De robot wordt getraind om te voorspellen hoe de video eruit ziet, inclusief de zwarte schermen. Hij leert "nepvideo's" te genereren die ook op de juiste momenten worden onderbroken door zwarte schermen, en vergelijkt deze vervolgens met de echte video's.

Dit stelt de robot in staat om complexe, multi-variabele patronen te leren (zoals het voorspellen van wanneer een patiënt twee verschillende soorten nierfalen kan krijgen) zonder dat hij een eenvoudige wiskundige formule nodig heeft die misschien niet past bij de chaotische werkelijkheid.

Real-World Test: De IC

Om te bewijzen dat dit werkt, testten de auteurs het op data uit een Intensive Care Unit (ICU). Ze probeerden te voorspellen wanneer patiënten Acute Nierinsufficiëntie (AKI) zouden ontwikkelen.

De Uitdaging: Patiënten verlaten de IC (worden ontslagen) of overlijden voordat ze AKI ontwikkelen. Dit onderbreekt de data.
Het Resultaat: Hun nieuwe methode, die respect heeft voor het "afkap-karakter" van de data, voorspelde de timing van het nierfalen veel beter dan oudere methoden die de censoring negeerden of "naïeve" training gebruikten. Het identificeerde correct dat het "uitgaan van de lichten" (ontslag) een cruciaal onderdeel van het verhaal was, en niet slechts ontbrekende data.

Samenvatting

Kortom, dit paper zegt: Wanneer je niet het volledige plaatje kunt zien, doe dan niet alsof je dat wel kunt. Pas in plaats daarvan je voorspellingen aan zodat ze overeenkomen met de "wazige" versie van de werkelijkheid die je daadwerkelijk hebt. Door dit te doen, krijg je eerlijkere cijfers voor je voorspellingen en kun je slimmere AI-modellen trainen die de beperkingen begrijpen van wat ze kunnen zien.

Technische Samenvatting: Eigenlijke Scoringsregels voor Rechts-Gecensureerde Overlevingsdata

Probleemstelling

In de overlevingsanalyse en time-to-event modellering is het primaire doel vaak het voorspellen van de volledige voorwaardelijke gebeurtenis-tijdverdeling $F_X$ gegeven covariaten $X$ , in plaats van enkel het schatten van gemiddelde overlevingstijden of hazard rates. Eigenlijke (proper) scoring rules bieden een rigoureus theoretisch fundament voor het trainen en evalueren van dergelijke probabilistische voorspellingen, waardoor wordt gewaarborgd dat de ware voorspellende verdeling optimaal is in verwachting.

Er ontstaat echter een fundamentele moeilijkheid bij de aanwezigheid van rechts-censurering. In deze settings is de latente gebeurtenistijd $T$ niet volledig geobserveerd; in plaats daarvan observeert men $Y = \min(T, C)$ en de gebeurtenisindicator $\Delta = \mathbb{1}\{T \le C\}$ , waarbij $C$ de censureringstijd is (waarbij $C$ de censureringstijd is). Standaard scoring rules, ontworpen voor ongecensureerde uitkomsten, kunnen niet direct worden toegepast omdat de ware gebeurtenistijd $T$ ontbreekt. Bestaande benaderingen vertrouwen vaak op Inverse Probability of Censoring Weighting (IPCW) of plug-in schattingen waarbij gewichten afhankelijk zijn van de voorspelling zelf. Het artikel wijst erop dat voorspellingsafhankelijke weging kan leiden tot "rangschikkingsomkeringen" (ranking reversals), waarbij suboptimale voorspellingen onterecht hoger worden gerangschikt dan de oracle-voorspelling, en dat standaard IPCW-implementaties kunnen falen om strikt eigelijk te zijn als ze geen rekening houden met voorwaardelijke onafhankelijkheid.

Methodologie

De auteurs stellen een verenigd kader voor het definiëren van eigengelijke scoring rules onder rechts-censurering voor, gebaseerd op een kernprincipe: score de voorspelling na het toepassen van dezelfde vergrovingsoperatie (coarsening operation) die de data heeft gegenereerd.

1. Lokalisatie en Marginalisering

Het kader maakt onderscheid tussen twee scenario's op basis van de aard van het censureringmechanisme:

Gelokaliseerde Scores (Vaste Censurering): Voor een vaste censureringstijd $c$ wordt de voorspellende verdeling $F$ eerst in kaart gebracht naar de gecensureerde uitkomstruimte. De gecensureerde wet $F^\flat_c$ wordt gedefinieerd zodanig dat de waarschijnlijkheidsmassa op het identificeerbare gebied $[0, c]$ ongewijzigd blijft, terwijl alle massa voorbij $c$ wordt samengebracht in een gecensureerde toestand $\ast$ . De eigengelijke score wordt vervolgens toegepast op deze geïnduceerde gecensureerde wet. Dit levert een score op die strikt eigelijk is voor de latente wet alleen op het identificeerbare gebied.
Gemarginaliseerde Scores (Random Censurering): Wanneer de censureringstijd $C$ $C$ random is en slechts gedeeltelijk geobserveerd wordt (bijv. we weten $C \ge Y$ $C \geq Y$ als een gebeurtenis wordt geobserveerd), wordt de gelokaliseerde score gemiddeld over de voorwaardelijke wet van $C$ $C$ gegeven de geobserveerde data $(Y, \Delta, X)$ $(Y, Δ, X)$ .
- De resulterende gemarginaliseerde score $\bar{S}$ wordt gedefinieerd als:
  $\bar{S}(F; Y, \Delta, X) = \int S^\flat_c(F; Y, \Delta) \, \Pi(dc \mid Y, \Delta, X)$
- Cruciaal is dat de wegingverdeling $\Pi$ uitsluitend wordt afgeleid van het censureringmechanisme (de ware of geschatte verdeling van $C$ ), en niet van de voorspelling $F$ die wordt geëvalueerd. Dit zorgt ervoor dat de score voorspellingsonafhankelijk blijft.

2. Afleiding van Specifieke Scores

De auteurs laten zien dat dit kader bekende criteria herstelt en uitbreidt naar nieuwe criteria:

Logaritmische Score: De gemarginaliseerde versie herstelt de standaard rechts-gecensureerde negatieve log-likelihood.
CRPS (Continuous Ranked Probability Score): Een gemarginaliseerde versie wordt afgeleid die de staartfout weegt met de voorwaardelijke overlevingsfunctie van de censureringstijd.
Brier Score: Het kader levert een gemarginaliseerde Brier score op die, wanneer deze wordt geschaald, equivalent is aan de IPCW Brier score, maar afgeleid is zonder voorspellingsafhankelijke gewichten.
Pinball Loss en Energy Score: Nieuwe rechts-gecensureerde versies van deze scores worden afgeleid, geschikt voor kwantielregressie en multivariate verdelingsmodellering respectievelijk.

3. Gecensureerde Engression

Door het principe van lokalisatie-door-censurering uit te breiden naar training, introduceren de auteurs gecensureerde engression (censored engression). Dit is een steekproefgebaseerd leerdoel voor multivariate rechts-gecensureerde overlevingsmodellering.

In plaats van een generator $g(x, \epsilon)$ te trainen om latente gebeurtenistijden te matchen (die niet geobserveerd zijn), past de methode de censurering-afbeelding $\psi_c$ toe op zowel de gegenereerde samples als de geobserveerde uitkomsten.
Het model wordt getraind om de gecensureerde energy score te minimaliseren, die de verdeling van gecensureerde gegenereerde samples vergelijkt met de geobserveerde gecensureerde uitkomsten.
Deze benadering maakt flexibele gezamenlijke modellering van multivariate gebeurtenistijden mogelijk zonder dat een handelbare likelihoodfunctie vereist is.

Belangrijkste Bijdragen

Verenigd Kader: Een coherente constructie van eigengelijke scoring rules voor rechts-gecensureerde data door de voorspellende verdeling te censureren vóór het scoren, in plaats van de score te wegen op basis van de voorspelling.
Theoretische Garanties: Bewijs dat de gemarginaliseerde score eigelijk (proper) is onder voorwaardelijk onafhankelijke censurering en strikt eigelijk op het identificeerbare gebied (het gebied waar de censurering het mogelijk maakt de latente verdeling te onderscheiden).
Concrete Score Afleidingen: Expliciete formules voor rechts-gecensureerde versies van de Logaritmische score, CRPS, Pinball loss, Brier score en Energy score, waarbij de relatie met bestaande IPCW-gebaseerde criteria wordt verduidelijkt.
Censored Engression: Een nieuw trainingsdoel voor multivariate overlevingsmodellering dat de gecensureerde energy score gebruikt om flexibele gezamenlijke verdelingen te leren van gecensureerde data.
Empirische Validatie: Demonstratie dat voorspellingsonafhankelijke scores de oracle-voorspelling correct rangschikken over diverse censureringregimes, terwijl voorspellingsafhankelijke plug-in gewogen scores vaak rangschikkingsomkeringen vertonen.

Experimentele Resultaten

Het artikel valideert de methodologie via gecontroleerde simulaties en een klinische casestudy:

Voorspellingsevaluatie: In simulaties met bekende data-genererende processen (DGP's) rangschikten de voorgestelde gemarginaliseerde en gelokaliseerde scores de oracle-voorspelling consequent als de beste (Rang 1) over administratieve, random onafhankelijke en conditioneel onafhankelijke censureringregimes. In tegen tegenstelling hiertoe faalden de voorspellingsafhankelijke plug-in versies van bestaande scores (zoals die van Yanagisawa [3]) regelmatig, waarbij de oracle lager werd gerangschikt dan exploit-voorspellingen die massa in de staart concentreren.
Multivariate Leerprocessen: In synthetische experimenten met multivariate gebeurtenistijden (dimensies $k=2$ $k = 2$ tot $10$) en een complexe mengvorm van een log-normale DGP, presteerde censored engression aanzienlijk beter dan:
- Naïeve geobserveerde engression: Die gecensureerde tijden behandelt als volledig geobserveerd, wat leidt tot slechte voedsellende verdelingen.
- Likelihood-gebaseerde baselines: Inclusief Weibull en Copula modellen. Hoewel deze beter presteerden dan naïeve training, werden ze overtroffen door censored engression, met name bij het vastleggen van multimodale verdelingen die buiten de parametrische families van de baselines liggen.
Klinische Casestudy (ICU AKI): Toegepast op het voorspellen van de gezamenlijke tijd-tot-gebeurtenis voor creatinine-gebaseerde en urine-output-gebaseerde Acute Kidney Injury (AKI) met behulp van MIMIC-IV data. Censored engression behaalde de laagste gelokaliseerde energy scores en Brier scores vergeleken met naïeve training en likelihood-gebaseerde baselines, wat een verbeterde prestatie aantoont bij het modelleren van gezamenlijke klinische eindpunten onder censurering.

Betekenis en Claims

Het artikel betoogt dat gecensureerde probabilistische evaluatie en training gebouwd moeten worden op voorspellingsonafhankelijke censurering-aanpassingen.

Correctie van Evaluatietargets: Door gewichten uitsluitend te baseren op het censureringmechanisme, behouden de voorslag de "oracle ranking" eigenschap. Dit voorkomt de circulariteit waarbij een voorspelling haar eigen evaluatiegewichten beïnvloedt, wat het optimalisatiepad kan verstoren en tot rangschikkingsomkeringen kan leiden.
Flexibiliteit in Modellering: De introductie van censored engression biedt een pad om complexe, hoogdimensionale en multivariate overlevingsverdelingen te leren zonder de restrictieve aannames van parametrische likelihoods.
Identificeerbaarheid: De auteurs merken bescheiden op dat strikte eigenaardigheid (strict propriety) alleen bereikbaar is op het identificeerbare gebied. Buiten dit gebied (bijv. in de staarten voorbij de follow-up horizon) kan geen enkele scoring rule gebaseerd op enkel gecensureerde data verschillende latente verdelingen onderscheiden die dezelfde geobserveerde wet induceren.

Samenvattend biedt dit werk een theoretisch solide en praktisch effectief kader voor het omgaan met rechts-gecensureerde data in probabilistische voorspellingen, waarbij de brug wordt geslagen tussen de rigoureuze theorie van scoring rules en de praktische uitdagingen van overlevingsanalyse.