Position: Stop Chasing the C-index when Evaluating Survival Analysis Models
本立场论文指出，生存分析领域过度依赖诸如 C 指数等与目标不匹配的指标，并敦促研究人员采用能够明确考虑删失假设并与具体建模目标相一致的评估实践，以避免得出误导性结论。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象你是一位教练，试图评估一项新的马拉松训练计划。你有两个目标：
- 排名：你想知道哪些跑者速度最快（谁将获得第一、第二、第三名）。
- 计时：你想知道每位跑者确切何时冲过终点线（例如，3 小时、4 小时）。
现在，想象在比赛过程中，一些跑者受伤或不得不提前离开赛道。在统计学中，这被称为删失。你不知道他们的最终时间，只知道他们在离开时并未完成比赛。
本文认为，科学界目前在评估生存模型（即用于预测事件发生时间的“训练计划”，例如疾病进展或机器故障）时，正犯着一个巨大的错误。他们使用了错误的“秒表”和错误的“记分牌”。
以下是本文论证的分解，采用简单的类比：
1. 问题所在：错误的记分牌
本文声称，大多数研究人员痴迷于一个名为 C 指数 的指标。
- 类比：C 指数就像一位只关心跑者完成顺序的裁判。如果跑者 A 在跑者 B 之前完成，裁判就会给出高分。
- 缺陷：C 指数并不关心跑者 A 是用了 2 小时还是 100 小时完成的，只要他们比跑者 B 快即可。
- 不匹配：许多研究人员声称他们的模型擅长预测确切时间（例如，“这位患者将在 6 个月内患病”）。但他们仅展示 C 指数分数来证明这一点。这就像一位厨师声称他们的汤温度完美，但他们提供的唯一证据是这汤比另一碗汤“更咸”。记分牌与声明不匹配。
2. 隐藏的陷阱：“随机”假设
本文强调了第二个更危险的问题：删失假设。
- 类比：想象你在评判马拉松，但有些跑者离开了赛道。
- 随机删失：跑者离开是因为一辆巴士在随机时间接走了他们，这与他们有多疲劳无关。（这是“简单”场景）。
- 依赖删失：跑者离开是因为他们精疲力竭或受伤。他们离开的原因直接与他们的表现相关。（这是“困难”场景）。
- 错误：大多数研究人员表现得好像所有跑者都因随机原因离开（像巴士那样）。他们使用假设这种“随机性”的标准公式。
- 现实：在现实世界中，人们经常因为病情加重而退出研究，或者机器因为故障更快而停止运行。这就是依赖删失。当研究人员在“依赖”数据上使用“随机”公式时，他们的结果就像一张写着“北即南”的地图。分数看起来不错，但它们在撒谎。
3. “双螺旋梯”
作者引入了一个称为梯子假设的概念。
- 类比：想象一架梯子，梯级代表人们退出研究的不同难度级别。
- 底层梯级：容易退出（随机）。
- 中间梯级：中等退出（独立）。
- 顶层梯级：困难退出（依赖）。
- 转折：本文表明，模型（即跑者）已经开始向上攀爬梯子，以处理困难的退出情况。但指标（即记分牌）仍停留在底层梯级。
- 结果：你正试图用一把专为地面楼层设计的尺子，去测量一位爬到半山腰的攀登者。这种测量毫无用处。
4. 他们的发现（证据）
作者查阅了 92 篇近期论文（2023–2025 年），发现：
- 72% 的论文存在“错位”。他们声称在做一件事（例如预测确切时间），却使用了衡量另一件事的记分牌（例如仅排名）。
- 他们忽略了“退出”规则。即使数据表明并非如此，他们也很少解释为何假设人们是随机退出的。
- C 指数被过度使用。它是“默认”选择，即使它是错误的工具。
5. 解决方案：新的检查清单
本文不仅抱怨，还为研究人员提供了一份实用的指南（即“梯子”）以解决此问题：
- 明确你的目标：你是想对人进行排名、预测确切时间，还是检查概率是否准确？
- 选择正确的工具：
- 如果你想要排名，使用 C 指数（但要小心！）。
- 如果你想要确切时间，使用误差指标（如 MAE）。
- 如果你想要概率，使用校准指标。
- 检查“退出”规则：诚实地说明数据缺失的原因。如果人们因为生病而退出（依赖删失），你就不能使用标准的“随机”记分牌。你需要能够处理这种偏差的特殊工具。
总结
本文是一个警钟：停止追逐 C 指数。
仅仅因为一个模型在 C 指数上得分高，并不意味着它擅长预测现实世界的结果，尤其是当人们因与健康或机器状况相关的原因退出研究时。研究人员需要停止为“计时”问题使用“排名”记分牌，并停止假装退出总是随机的。如果他们不这样做，科学界正在建造一座看似令人印象深刻、但在现实世界压力下会崩塌的纸牌屋。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。