Dynamic Prediction of Alternating Recurrent Events via Neural Network

技术摘要：基于神经网络的交替性循环事件动态预测

问题陈述
交替性循环事件（Alternating recurrent events）——即主要事件（如住院、抑郁发作）触发次要反射期（refractory period），在此期间个体不再面临主要事件风险的现象——频繁出现在生物统计学、行为科学和刑事司法领域。分析此类事件面临独特的统计挑战：两类事件是互斥的，形成了竞争风险；观测值具有相关性；且数据存在删失问题。传统方法通常依赖于基于状态的马尔可夫过程或半参数强度模型（如基于 Cox 的扩展模型）。然而，这些方法往往难以处理“依赖间隙时间”（dependent gap-time）问题，或者需要分析师预先指定协变量与结果之间的参数关系。此外，现有的循环事件动态预测工具很少解决“在线”或实时预测问题，即如何根据新观察到的经验持续更新个体的风险剖面，特别是在具有交替事件结构的情况下。

方法论
作者提出了一种在线动态预测框架，该框架结合了伪观测值（pseudo-observations）与深度学习，用于预测在固定随访窗口 ($\tau$) 内下一次主要交替循环事件发生的时间。该方法通过以下四个关键阶段进行：

1. 数据转换： 遵循 Tayob 和 Murray (2015) 的方法，作者将交替循环事件的时间线转换为删失的纵向数据集。在预设的检查时间 $t$，数据被重构以识别 $t$ 时刻后首次观察到的事件发生时间。至关重要的是，该结构考虑了“风险状态” ($R_i(t)$)；目前处于反射期（次要阶段）的受试者被标记为对主要事件不具风险，从而使其在当前时刻的主要事件时间处于未观察状态。
2. 伪观测值： 为了处理独立删失，作者构建了 $\tau$-受限平均生存时间 $E[\min\{T_i(t), \tau\}]$ 的伪观测值。利用 Jack-knife 方法 (Andersen et al., 2003)，这些伪观测值取代了删失的生存结局，从而允许进行回归建模。
3. 逆概率加权 (IPW)： 为了纠正由于受试者进入“风险集”是非随机选择（由交替性质引起）而引入的偏差，该框架采用了逆概率加权。处于风险状态的概率 $P(R_i(t)=1 | \bar{Z}_i(t))$ 使用长短期记忆网络 (LSTM) 或纵向随机森林进行估计。这些权重被纳入预测模型的损失函数中。
4. 预测模型： 本研究提出了两种动态预测模型：
   • 基于 LSTM 的模型： 一种利用 LSTM 来对伪观测值进行建模的神经网络架构。该方法利用门控机制来整合历史协变量数据，并在无需预先指定函数形式的情况下处理复杂的非线性关系。
   • 加权半参数模型： 一种广义估计方程 (GEE) 方法，通过对加权后的伪观测值拟合线性模型。这作为一个具有可解释性的半参数基准模型。

核心贡献

• 新颖框架： 这是首个专门为在线环境下“交替性”循环事件设计的动态预测模型。
• 机器学习与统计学的融合： 本文通过使用伪观测值和 IPW 来适配 LSTM 架构处理删失纵向数据，弥合了统计生存分析与现代机器学习之间的鸿沟。
• 处理反射期： 该方法明确处理了“风险状态”，确保对主要事件的预测不会因处于次要（反射）状态的时间而产生偏差。
• 比较加权策略： 研究评估了使用 LSTM 或随机森林来估计实现去偏预测模型所需的逆概率权重是否更优。

结果
所提方法通过模拟研究以及对 Intern Health Study (IHS) 数据的应用（预测一年级医学生低落情绪的周期）进行了评估。

• 模拟研究： 在具有复杂协变量关系和相关间隙时间的场景下，基于 LSTM 的动态预测模型在 C 指数（区分度）和均方根误差 (RESS) 方面表现出优于半参数 GEE 模型（包括“Oracle”和“Main Effects”模型）的性能，尤其是在历史数据积累之后。虽然 LSTM 在某些设置下显示出略高的偏差（这是典型的偏差-方差权衡），但其预测区分度非常出色，通常超过了半参数 Oracle 模型。当用于估计逆概率权重时，LSTM 和随机森林的表现相似。
• 应用 (IHS)： 在应用于真实世界数据时，LSTM 模型实现了约 0.97 的最大 C 指数，显著优于 GEE Main Effects 模型（最大 C 指数约为 0.82）。使用 LSTM 衍生权重的 LSTM 模型在随访 300 天后取得了最低的 RESS。

意义与主张
作者声称，他们的框架为实时临床决策提供了强大的工具，特别是用于识别干预的最佳时机（例如，向医学生发送移动应用提示）。这项工作的意义在于能够利用深度学习（特别是 LSTM）的预测能力，同时通过伪观测值和逆概率加权保持统计严谨性，以处理删视和交替事件结构。

论文谦虚地承认，虽然 LSTM 方法提供了卓越的预测精度，但与半参数 GEE 方法相比，它更像是一个“黑盒”。神经网络模型缺乏可解释的参数估计，这意味着尽管使用了嵌入（embeddings），其历史协变量如何影响结果的具体函数形式仍然是不透明的。作者强调，LSTM 的成功高度依赖于精细的超参数选择以及充足的纵向历史数据，并指出该方法对于随机超参数选择并不具备鲁棒性。他们总结道，虽然机器学习方法在预测方面表现出色，但该领域在提供支撑传统统计方法的理论统计证明（一致性、可识别性）方面仍显滞后。