🤖 machine learning

Staying Alive: Uncensored Survival Analysis with Tabular Foundation Models

Este artigo introduz um método de regressão de sobrevivência livre de treinamento que aproveita Modelos de Fundação Tabulares para imputar iterativamente dados censurados à direita e construir um modelo de Tempo de Falha Acelerado, alcançando um desempenho competitivo contra modelos treinados tradicionais em benchmarks padrão.

Autores originais: Mariana Vargas Vieyra

Publicado 2026-06-03

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Mariana Vargas Vieyra

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

A Visão Geral: Prevendo o "Quando" Sem Treinamento

Imagine que você é um médico tentando prever quanto tempo um paciente sobreviverá após um diagnóstico, ou um mecânico de carros tentando adivinhar quando uma peça específica irá quebrar. Isso é chamado de Análise de Sobrevivência. A parte complicada é que, muitas vezes, você não chega a ver o evento final. Talvez o paciente tenha se mudado, ou o estudo termine antes da peça do carro quebrar. Em estatística, isso é chamado de censura à direita — você sabe que o evento ainda não aconteceu, mas não sabe quando acontecerá.

Normalmente, para resolver isso, você precisa construir um modelo personalizado do zero para cada novo conjunto de dados, o que é como contratar um novo arquiteto para projetar uma casa toda vez que você compra um terreno.

Este artigo apresenta uma nova maneira de fazer isso usando Modelos de Fundação Tabulares (TFMs). Pense em um TFM como um "detetive superinteligente e pré-treinado" que já leu milhões de conjuntos de dados diferentes. Ele pode olhar para uma nova lista de fatos (uma tabela de dados) e fazer uma previsão com um único olhar, sem precisar ser retreinado. Os autores quiseram ver se esse "super-detetive" poderia resolver o enigma do "tempo perdido" da análise de sobrevivência sem qualquer treinamento extra.

O Problema: O Detetive Não Consegue Ver o Fim

O problema é que esses super-detetives (TFMs) estão acostumados a ver a história completa. Se você perguntar a eles: "Quanto tempo este paciente viverá?", mas fornecer apenas os dados até o ponto em que ele saiu do estudo, o detetive ficará confuso. Ele espera uma resposta definitiva, não um "ainda não sabemos".

Se você simplesmente ignorar os pacientes com tempos finais ausentes (dados censurados), o detetive ficará enviesado. Ele pensará que todos morrem mais cedo do que realmente morrem, porque está olhando apenas para as pessoas que morreram cedo e ignorando aquelas que ainda estão vivas.

A Solução: O Jogo de "Preencher as Lacunas"

Os autores criaram um método chamado TabSA (Análise de Sobrevivência Tabular) que permite ao detetive resolver o enigma em duas etapas inteligentes:

Passo 1: O "Adivinhar a Média" (O Modelo AFT)

Primeiro, eles usam o detetive para adivinhar o "log-tempo médio" para todos com base em suas características (como idade, marcadores de saúde, etc.). Isso é como o detetive olhando para uma multidão e adivinhando: "Baseado no que eu já vi antes, este grupo geralmente dura cerca de X anos".

No entanto, eles só permitem que o detetive olhe para as pessoas que realmente terminaram o estudo para fazer essa suposição. Para que funcione, eles só precisam ajustar um único número (um parâmetro de escala). É como dizer ao detetive: "Você é bom em adivinhar, apenas diga-me o quanto devo esticar ou encolher seus palpites".

Passo ر: O "Jogo da Imaginação" (Imputação Iterativa)

Esta é a parte mágica. Como o detetive não consegue ver o fim da história para os pacientes censurados, os autores jogam um jogo de "preencher as lacunas".

O Primeiro Palpite: Eles começam adivinhando os tempos finais ausentes para os pacientes censurados usando um truque estatístico padrão (como uma estimativa bruta baseada em quem ainda está vivo).
O Ciclo: Eles alimentam esses palpites de volta ao detetive. O detetive olha para todo o grupo (incluindo os palpites) e diz: "Na verdade, com base nesta nova informação, meu palpite para aquela pessoa deveria ser um pouco mais longo".
Refinamento: Eles atualizam os palpites e perguntam ao detetive novamente. Eles repetem esse ciclo repetidamente (como refinar um esboço) até que os palpites parem de mudar.

Este processo é inspirado em um antigo método estatístico chamado estimador de Buckley-James, mas em vez de realizar cálculos matemáticos complexos, eles deixam o "super-detetive" (o TFM) fazer o trabalho pesado de descobrir quais deveriam ser os tempos ausentes.

Os Resultados: Como Eles se Saíram?

Os autores testaram o método em cinco conjuntos de dados do mundo real (ataques cardíacos, câncer de mama, cuidados críticos, etc.) e compararam seu método contra:

Modelos Clássicos: Os tradicionais "arquitetos personalizados" que exigem um treinamento pesado.
Outros Métodos Zero-Shot: Outras formas de usar esses detetives sem treinamento.

As Descobertas:

Poder de Classificação: O método deles (TabSA-BJ) foi excelente em classificar pacientes. Ele conseguiu dizer corretamente que "o Paciente A provavelmente viverá mais que o Paciente B" quase tão bem quanto os modelos caros e totalmente treinados.
Calibração: Embora tenha sido ótimo na classificação, foi ligeiramente menos perfeito em prever a probabilidade exata de sobrevivência em um momento específico em comparação com um método que divide o tempo em baldes (discretização).
Sem Necessidade de Treinamento: A maior vitória é que eles alcançaram esses resultados sem retreinar o modelo no conjunto de dados específico. Eles apenas alimentaram os dados, rodaram o ciclo de "preencher as lacunas" e obtiveram um resultado.

A Conclusão

O artigo mostra que nem sempre precisamos construir um novo modelo do zero para prever tempos de sobrevivência. Ao usar um "modelo de fundação" pré-treinado como um motor inteligente e jogar um jogo simples de "adivinhar e refinar" para lidar com dados ausentes, podemos obter resultados que competem com modelos estatísticos tradicionais e fortemente treinados.

É como ter um mestre chef que já provou todos os pratos do mundo. Em vez de ensinar a ele uma nova receita do zero, você apenas dá os ingredientes e pergunta: "Baseado na sua experiência, quanto tempo este ensopado levará para cozinhar?" e deixa que ele ajuste seu palpite até que pareça correto.

Resumo Técnico: Staying Alive: Uncensored Survival Analysis with Tabular Foundation Models

Definição do Problema
A Análise de Sobrevivência (SA - Survival Analysis) é um arcabouço estatístico usado para modelar o tempo até que um evento de interesse ocorra, com aplicações que variam de cuidados de saúde a previsão de churn. Um desafio central na SA é a censura à direita (right-censoring), onde o tempo do evento para alguns sujeitos não é observado porque eles deixam o estudo ou atingem o horizonte de observação antes que o evento ocorra. Embora os modelos de sobrevivência clássicos lidem naturalmente com dados censurados, os Modelos de Fundação Tabulares (TFMs) — que se destacam em classificação e regressão in-context sem treinamento específico para o conjunto de dados — têm dificuldade com essa tarefa. Os TFMs tipicamente esperam alvos de predição totalmente observados, tornando a aplicação direta à regressão de sobrevivência difícil. Tentativas existentes de adaptar TFMs, como a discretização do tempo em intervalos (bins) para classificação, introduzem um compromisso (trade-off) entre resolução e tamanho de contexto efetivo, frequentemente degradando o desempenho com uma discretização mais grosseira.

Metodologia
Os autores propõem o TabSA, um arcabouço livre de treinamento (training-free) que utiliza TFMs congelados para realizar a regressão de sobrevivência ao enquadrar a tarefa como um problema de predição in-context. O método opera sob a suposição de um modelo de Tempo de Falha Acelerado (AFT - Accelerated Failure Time), onde o logaritmo do tempo do evento é modelado linearmente. A inovação central é uma estratégia de imputação não paramétrica iterativa para dados censurados, inspirada no estimador de Buckley-James.

O algoritmo proposto procede da seguinte forma:

Construção do Modelo: O TFM é utilizado como um backbone de regressão para prever a média do log-tempo ( $\hat{\mu}$ ) para os sujeitos com base em exemplos in-context.
Estimativa de Parâmetros: Um único parâmetro escalar, o parâmetro de escala $\sigma$ , é estimado via Estimativa de Máxima Verossimilhança (MLE) no conjunto de treinamento. Este é o único parâmetro que requer ajuste; o backbone do TFM permanece congelado.
Imputação Iterativa (TabSA-BJ): Para lidar com a censura à direita sem descartar dados, o método imputa iterativamente pseudo-alvos para sujeitos censurados:
- Inicialização: Os pseudo-alvos são inicializados usando um warm start baseado em dados através do estimador jackknife de Kaplan-Meier.
- Iteração: Em cada etapa, o TFM prevê a média do log-tempo para sujeitos censurados usando um contexto estocástico de sujeitos não censurados e censurados subamostrados (para evitar a auto-predição degenerada).
- Atualização: Diferente do estimador padrão de Buckley-James que imputa a média condicional, este método atualiza os pseudo-alvos desenhando de uma distribuição truncada ( $p(\log T_i | T_i > C_i)$ ), impondo estritamente a restrição de que o tempo imputado deve exceder o tempo de censura.
- Refinamento: O parâmetro de escala $\sigma$ é reestimado via MLE no conjunto de dados atualizado. Este loop continua até que os pseudo-alvos se estabilizem.
Inferência: No momento da inferência, o modelo realiza uma passagem direta (forward pass) para obter as médias dos log-tempos, que são combinadas com o $\sigma$ final para construir a função de sobrevivência.

Principais Contribuições

Regressão de Sobrevivência Zero-Shot: O artigo introduz um método para realizar regressão de sobrevivência usando TFMs sem treinamento específico para o conjunto de dados, exigindo apenas o ajuste de um único parâmetro escalar ( $\sigma$ ).
Imputação In-Context Não Paramétrica: Os autores propõem um novo mecanismo iterativo para lidar com a censura à direita, aproveitando o TFM como um estimador não paramétrico para imputar dados censurados, evitando os compromissos de resolução-desempenho associados à discretização do tempo.
Integração AFT: O arcabouço constrói com sucesso um modelo AFT usando um backbone de TFM, unindo a lacuna entre modelos de fundação modernos e estruturas clássicas de análise de sobrevivência.

Resultos Experimentais
O método foi avaliado em cinco benchmarks padrão de análise de sobrevivência (WHAS500, GBSG, METABRIC, SUPPORT, FLCHAIN) cobrindo doenças cardiovasculares, oncologia e cuidados intensivos. O método proposto (TabSA-BJ) foi comparado contra modelos clássicos treinados (Cox PH, Weibull AFT, Log-Normal AFT, Random Survival Forest) e um competidor zero-shot (TabSA-Bin, que utiliza discretização de tempo).

Discriminação (C-Index): O TabSA-BJ alcançou pontuações de C-Index competitivas, muitas vezes igualando ou superando modelos clássicos treinados e superando significativamente variantes zero-shot mais simples (TabSA-CCA, TabSA-PO). Demonstrou força particular em conjuntos de dados com taxas de censura mais altas.
Calibração (IBS): Embora o TabSA-BJ tenha mostrado forte discriminação, seu Integrated Brier Score (IBS) foi geralmente inferior ao do TabSA-Bin e de métodos clássicos. Os autores atribuem isso à natureza dos métodos: o TabSA-Bin otimiza as probabilidades de sobrevivência em quantis fixos (melhor para calibração), enquanto o TabSA-BJ opera na escala de log-tempo, preservando a estrutura de ranking (melhor para discriminação).
Convergência: A análise mostrou que o parâmetro de escala $\sigma$ converge para valores estáveis (frequentemente próximos de 1), sugerindo que o backbone do TFM captura uma fração substancial da variância no log-tempo sem treinamento específico de sobrevivência.

Significância e Alegações
O artigo afirma que os Modelos de Fundação Tabulares codificam conhecimento prévio suficiente sobre estruturas de regressão para generalizar para tarefas de sobrevivência com adaptação mínima. Ao introduzir uma estratégia de imputação iterativa livre de treinamento, o trabalho demonstra que os TFMs podem lidar efetivamente com dados censurados à direita, oferecendo uma direção promissora para modelagem estatística zero-shot em domínios onde dados de tempo de evento rotulados são escassos ou onde a implantação rápida sem retreinamento é necessária. Os autores posicionam o TabSA-BJ e o TabSA-Bin como mecanismos complementares, sendo o primeiro superior em discriminação e o segundo em calibração.