一、引言

生存分析是統(tǒng)計(jì)學(xué)中一種重要的方法，用于分析個(gè)體在特定時(shí)間段內(nèi)生存的概率或生存率。它在醫(yī)學(xué)、流行病學(xué)、生物學(xué)等領(lǐng)域被廣泛應(yīng)用。通過生存分析，我們可以評(píng)估治療方法的效果、預(yù)測(cè)疾病進(jìn)展的風(fēng)險(xiǎn)以及評(píng)估特定因素對(duì)生存率的影響。

生存率的準(zhǔn)確預(yù)測(cè)對(duì)于醫(yī)學(xué)和研究領(lǐng)域至關(guān)重要。傳統(tǒng)的生存分析方法中，「Kaplan-Meier（KM）」 生存曲線已被廣泛使用來(lái)估計(jì)生存函數(shù)。然而，隨著機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等技術(shù)的發(fā)展，新的方法如 「mlr3verse」 也被引入生存分析領(lǐng)域。mlr3verse采用嵌入式方法，結(jié)合高維數(shù)據(jù)處理能力，提供了更加靈活和準(zhǔn)確的生存分析。

在本文中，我們將比較mlr3verse和KM生存曲線在生存率預(yù)測(cè)方面的性能差異。我們將考慮兩種方法的優(yōu)勢(shì)和局限性，并結(jié)合具體案例和實(shí)驗(yàn)研究結(jié)果來(lái)評(píng)估它們的預(yù)測(cè)精度。這將有助于研究人員和醫(yī)學(xué)專業(yè)人員選擇適合其研究目的的生存分析方法。

二、生存分析概述

2.1 生存分析的基本概念和用途

• 「生存分析的基本概念包括以下幾個(gè)要素」：

1. 生存時(shí)間（Survival Time）：指?jìng)€(gè)體從某個(gè)起始時(shí)間點(diǎn)到達(dá)特定事件（如死亡）之間的時(shí)間長(zhǎng)度。
2. 生存狀態(tài)（Survival Status）：表示個(gè)體是否已經(jīng)經(jīng)歷了特定事件，通常用二元變量（生存或死亡）來(lái)表示。
3. 生存函數(shù)（Survival Function）：用于描述在給定時(shí)間點(diǎn)上個(gè)體仍然存活的概率。生存函數(shù)是一個(gè)遞減的曲線，隨著時(shí)間的推移，概率逐漸減少。
4. 生存率（Survival Rate）：表示在某個(gè)特定時(shí)間點(diǎn)上個(gè)體存活的概率。
5. 風(fēng)險(xiǎn)因素（Risk Factors）：指影響個(gè)體生存概率的因素，如年齡、性別、疾病狀態(tài)等。

• 「生存分析原理」

生存函數(shù)通常用Kaplan-Meier方法來(lái)估計(jì)，其數(shù)學(xué)表達(dá)式如下： S(t) = S(t-1) * (1 - d(t)/n(t))其中：

1. S(t) 表示在時(shí)間點(diǎn)t上的生存函數(shù)值，即在t時(shí)刻存活的概率。
2. S(t-1) 表示在時(shí)間點(diǎn)t-1上的生存函數(shù)值。
3. d(t) 表示在時(shí)間點(diǎn)t上發(fā)生事件（比如死亡）的個(gè)體數(shù)量。
4. n(t) 表示在時(shí)間點(diǎn)t上處于觀測(cè)狀態(tài)（未發(fā)生事件或被失蹤）的個(gè)體數(shù)量。

根據(jù)公式，生存函數(shù)的計(jì)算是通過遞歸的方式進(jìn)行的。初始時(shí)，S(0) = 1，表示所有個(gè)體在起始時(shí)間點(diǎn)都是存活的。隨著時(shí)間的推移和事件的發(fā)生，生存函數(shù)逐漸減少。

需要注意的是，當(dāng)某個(gè)時(shí)間點(diǎn)上沒有發(fā)生事件的個(gè)體時(shí)（d(t) = 0），則生存函數(shù)值不變，即S(t) = S(t-1)。而當(dāng)事件發(fā)生時(shí)（d(t) > 0），生存函數(shù)值會(huì)相應(yīng)地減少。

通過計(jì)算每個(gè)時(shí)間點(diǎn)上的生存函數(shù)值，可以得到整個(gè)生存函數(shù)曲線。這條曲線可以提供關(guān)于個(gè)體存活概率的估計(jì)和比較。當(dāng)然還有其它的方法，我們接下來(lái)介紹！

• 「生存分析的應(yīng)用非常廣泛，主要用于以下幾個(gè)方面」：

1. 醫(yī)學(xué)研究：生存分析可用于評(píng)估新藥或治療方法對(duì)患者生存率的影響，從而確定最佳治療方案。
2. 流行病學(xué)：生存分析可用于研究特定疾病的發(fā)病率和死亡率，并評(píng)估風(fēng)險(xiǎn)因素的作用。
3. 生物學(xué)：生存分析可應(yīng)用于動(dòng)物或植物的壽命研究，以了解其存活和壽命的模式。
4. 社會(huì)科學(xué)：生存分析可應(yīng)用于人口學(xué)研究，探索個(gè)體的生命歷程、結(jié)婚時(shí)間、就業(yè)時(shí)間等。

三、mlr3verse概述

3.1 mlr3verse簡(jiǎn)介

mlr3verse是一個(gè)新的生存分析工具集，它基于R語(yǔ)言中的mlr3框架開發(fā)而成。mlr3verse為研究人員和數(shù)據(jù)科學(xué)家提供了一套功能強(qiáng)大的工具，用于處理、建模和評(píng)估生存數(shù)據(jù)。

1. 首先，mlr3verse提供了統(tǒng)一的框架，使用戶可以在同一個(gè)環(huán)境下進(jìn)行數(shù)據(jù)預(yù)處理、模型選擇和模型評(píng)估等任務(wù)。這個(gè)框架整合了多個(gè)相關(guān)包，如mlr3、mlr3proba和mlr3learners，簡(jiǎn)化了工作流程，提高了效率。
2. 其次，mlr3verse支持多種常用的生存分析模型，如Cox比例風(fēng)險(xiǎn)模型和加速失效時(shí)間模型等。此外，它還允許用戶自定義模型，滿足個(gè)性化的需求。用戶可以根據(jù)實(shí)際研究需要選擇合適的模型，并進(jìn)行靈活的建模。
3. 除此之外，mlr3verse還提供了自動(dòng)超參數(shù)調(diào)優(yōu)功能，幫助用戶選擇最佳的模型參數(shù)組合。通過交叉驗(yàn)證等技術(shù)，它能夠自動(dòng)搜索最合適的超參數(shù)，提高建模的準(zhǔn)確性和穩(wěn)定性。
4. 另外，mlr3verse還集成了豐富的特征工程功能，包括特征選擇和特征變換等。用戶可以根據(jù)數(shù)據(jù)特點(diǎn)進(jìn)行特征工程，提取更具預(yù)測(cè)能力的特征，改善模型性能。
5. 最后，mlr3verse提供直觀易用的結(jié)果可視化功能，用戶可以繪制生存曲線、風(fēng)險(xiǎn)曲線等圖形，對(duì)生存分析結(jié)果進(jìn)行直觀理解和評(píng)估。

3.2 mlr3verse的優(yōu)勢(shì)和創(chuàng)新之處

1. 統(tǒng)一的框架：mlr3verse提供了一個(gè)統(tǒng)一的框架，將數(shù)據(jù)處理、建模和評(píng)估整合在一起。這樣，用戶可以在同一個(gè)環(huán)境中進(jìn)行數(shù)據(jù)預(yù)處理、模型選擇和模型評(píng)估，避免了不同工具之間的兼容性問題。
2. 高度靈活的模型選擇：mlr3verse支持多種常用的生存分析模型，如Cox比例風(fēng)險(xiǎn)模型、加速失效時(shí)間模型等，并且可以自定義模型。用戶可以根據(jù)具體的研究需求選擇合適的模型，進(jìn)行靈活的建模。
3. 自動(dòng)化的超參數(shù)調(diào)優(yōu)：mlr3verse提供了自動(dòng)化的超參數(shù)調(diào)優(yōu)功能，可以幫助用戶選擇最佳的模型超參數(shù)組合。通過交叉驗(yàn)證等技術(shù)，mlr3verse能夠自動(dòng)搜索模型的最佳超參數(shù)，提高建模的準(zhǔn)確性和穩(wěn)定性。
4. 集成的特征工程：mlr3verse支持豐富的特征工程功能，包括特征選擇、特征變換等。用戶可以根據(jù)數(shù)據(jù)特點(diǎn)進(jìn)行特征工程，提取更具有預(yù)測(cè)能力的特征，改善模型性能。
5. 直觀的結(jié)果可視化：mlr3verse提供了直觀易用的結(jié)果可視化功能，可以幫助用戶理解和解釋生存分析的結(jié)果。用戶可以繪制生存曲線、風(fēng)險(xiǎn)曲線等圖形，以及進(jìn)行模型的性能評(píng)估和比較。

總而言之，mlr3verse作為一種新的生存分析工具，具有統(tǒng)一的框架、支持多種模型選擇、自動(dòng)超參數(shù)調(diào)優(yōu)、豐富的特征工程和直觀的結(jié)果可視化等特點(diǎn)。它能夠幫助研究人員和數(shù)據(jù)科學(xué)家更高效地進(jìn)行生存分析任務(wù)，并得到準(zhǔn)確可靠的結(jié)果和解釋。

四、mlr3verse VS KM分析

4.1 KM曲線的優(yōu)勢(shì)和局限性

• 「KM曲線在生存分析中的常見應(yīng)用和優(yōu)點(diǎn)」：

1. 生存函數(shù)估計(jì)：KM曲線是生存分析中最常用的工具之一，能夠估計(jì)特定時(shí)間點(diǎn)上存活的概率。它可以根據(jù)樣本數(shù)據(jù)的生存時(shí)間和觀測(cè)狀態(tài)，估計(jì)出不同時(shí)間點(diǎn)上的生存概率。
2. 生存時(shí)間比較：KM曲線可以用于比較不同組別或處理間的生存時(shí)間差異。通過繪制不同組別的KM曲線，并使用統(tǒng)計(jì)方法（如log-rank檢驗(yàn)），可以評(píng)估不同因素對(duì)生存時(shí)間的影響，識(shí)別高風(fēng)險(xiǎn)組和低風(fēng)險(xiǎn)組。
3. 事件發(fā)生率：除了生存概率，KM曲線還提供了事件發(fā)生率（如死亡率）的估計(jì)。通過觀察曲線的斜率變化，可以了解事件發(fā)生的速率和趨勢(shì)。
4. 可視化效果：KM曲線以圖形方式展現(xiàn)了隨時(shí)間變化的生存概率，直觀地顯示了不同組別或處理間的差異。這種可視化效果有助于研究人員和決策者更好地理解和傳達(dá)生存分析的結(jié)果。

• 「KM曲線的限制和可能存在的問題」：

1. 遺失數(shù)據(jù)偏倚：當(dāng)樣本中存在遺失數(shù)據(jù)時(shí)，KM曲線可能存在偏倚。如果遺失數(shù)據(jù)與生存時(shí)間有關(guān)，且未被正確處理，那么估計(jì)的生存概率可能是不準(zhǔn)確的。
2. 截?cái)鄶?shù)據(jù)限制：KM曲線無(wú)法考慮截?cái)鄶?shù)據(jù)的影響。當(dāng)研究中存在截?cái)鄶?shù)據(jù)（例如觀察期結(jié)束時(shí)未發(fā)生事件），KM曲線可能低估生存概率。
3. 假設(shè)限制：KM曲線基于一些假設(shè)，如事件發(fā)生是獨(dú)立和隨機(jī)的。如果假設(shè)不成立，比如存在相關(guān)事件或違反比例風(fēng)險(xiǎn)假設(shè)，那么KM曲線的解釋和比較可能會(huì)出現(xiàn)問題。
4. 組別比較局限性：KM曲線用于比較不同組別之間的生存時(shí)間差異，但它并不能提供具體的風(fēng)險(xiǎn)因素和效應(yīng)大小。要深入了解這些因素，需要使用更復(fù)雜的統(tǒng)計(jì)模型。
5. 時(shí)間分辨率限制：KM曲線對(duì)觀測(cè)時(shí)間進(jìn)行離散化處理，可能會(huì)導(dǎo)致時(shí)間分辨率不足。在研究中，可能有更精細(xì)的時(shí)間尺度，需要使用其他方法來(lái)處理。

4.2 mlr3verse的優(yōu)勢(shì)和功能

• 「mlr3verse新一代生存分析工具的優(yōu)勢(shì)」

1. 統(tǒng)一框架：mlr3verse提供了一個(gè)統(tǒng)一的框架，整合了多個(gè)生存分析任務(wù)的包和工具。這意味著數(shù)據(jù)科學(xué)家和研究人員可以使用相同的接口來(lái)處理和分析不同的生存分析問題，從而簡(jiǎn)化了工作流程。
2. 增強(qiáng)的功能：mlr3verse提供了許多強(qiáng)大的功能，包括數(shù)據(jù)預(yù)處理、特征選擇、模型訓(xùn)練和評(píng)估等。它支持各種統(tǒng)計(jì)和機(jī)器學(xué)習(xí)模型，可以靈活地處理各種類型的數(shù)據(jù)，并提供豐富的性能評(píng)估指標(biāo)和交叉驗(yàn)證方法。
3. 可擴(kuò)展性：mlr3verse具有良好的可擴(kuò)展性，可以輕松地集成其他生存分析方法和外部包。用戶可以根據(jù)自己的需求自定義和擴(kuò)展分析流程，以適應(yīng)不同領(lǐng)域和問題的要求。
4. 高效和自動(dòng)化：mlr3verse通過高效的計(jì)算和自動(dòng)化功能提高了工作效率。它支持并行計(jì)算和分布式計(jì)算，可加快計(jì)算速度。此外，mlr3verse的結(jié)果和分析過程可追溯和復(fù)現(xiàn)，方便與他人共享和驗(yàn)證研究結(jié)果

• 「mlr3verse在預(yù)測(cè)生存率方面的潛力和創(chuàng)新功能」

1. 高級(jí)模型選擇：mlr3verse提供多種高級(jí)生存分析模型，包括傳統(tǒng)的Cox比例風(fēng)險(xiǎn)模型、基于深度學(xué)習(xí)的模型和集成模型等。這些模型考慮到多個(gè)因素對(duì)生存時(shí)間的影響，能夠更準(zhǔn)確地預(yù)測(cè)生存率。
2. 特征工程：mlr3verse提供靈活的特征選擇和轉(zhuǎn)換功能，有助于用戶選擇和構(gòu)建與生存率相關(guān)的特征。這有助于改善模型的預(yù)測(cè)性能，并發(fā)現(xiàn)影響生存率的潛在因素。
3. 不確定性估計(jì)：mlr3verse支持對(duì)生存率預(yù)測(cè)結(jié)果的不確定性進(jìn)行估計(jì)。通過使用交叉驗(yàn)證和重采樣技術(shù)，可以獲得模型預(yù)測(cè)的置信區(qū)間和可靠性度量，提供更全面和可解釋的預(yù)測(cè)結(jié)果。
4. 結(jié)果可視化：mlr3verse提供了豐富的結(jié)果可視化功能，可以直觀地展示預(yù)測(cè)的生存率和相關(guān)變量之間的關(guān)系。這有助于研究人員更好地理解和解釋模型結(jié)果，并進(jìn)行進(jìn)一步的數(shù)據(jù)分析和解讀。

綜上所述，mlr3verse作為新一代的生存分析工具，具有統(tǒng)一框架、增強(qiáng)的功能、可擴(kuò)展性和高效自動(dòng)化等優(yōu)勢(shì)，并在預(yù)測(cè)生存率方面具有潛力和創(chuàng)新功能。這使得它成為研究生存分析的重要工具，并能夠在預(yù)測(cè)生存率方面提供準(zhǔn)確和可靠的結(jié)果。

4.3 mlr3verse和KM的異同

1. 功能不同：mlr3verse是一個(gè)包含多個(gè)生存分析任務(wù)的綜合框架，它提供了數(shù)據(jù)預(yù)處理、模型選擇、模型訓(xùn)練和評(píng)估等功能。與此相反，KM方法是一種用于估計(jì)生存函數(shù)的非參數(shù)方法，主要用于直觀地描述事件發(fā)生概率隨時(shí)間的變化趨勢(shì)。
2. 數(shù)據(jù)要求不同：mlr3verse適用于各種類型的數(shù)據(jù)，包括連續(xù)、離散和分類變量。它可以處理缺失數(shù)據(jù)以及其他類型的特殊情況。KM方法通常適用于僅具有事件發(fā)生信息的數(shù)據(jù)集，例如生存時(shí)間和事件指示器。
3. 模型選擇與解釋性：mlr3verse提供了多種生存分析模型選擇的功能，包括傳統(tǒng)的Cox比例風(fēng)險(xiǎn)模型、基于深度學(xué)習(xí)的模型和集成模型等。這些模型可以更準(zhǔn)確地預(yù)測(cè)生存率，但可能較復(fù)雜，解釋性較差。相比之下，KM方法不涉及具體的模型假設(shè)，更易于解釋。
4. 預(yù)測(cè)能力與應(yīng)用場(chǎng)景：mlr3verse的模型通常具有更好的預(yù)測(cè)能力，適用于復(fù)雜的數(shù)據(jù)集和預(yù)測(cè)需求。它更適合進(jìn)行個(gè)體化的生存率預(yù)測(cè)和風(fēng)險(xiǎn)評(píng)估。KM方法主要用于群體層面的生存分析，可以提供整體的生存曲線和中位生存時(shí)間等統(tǒng)計(jì)量。

綜上所述，mlr3verse和KM在功能、數(shù)據(jù)要求、模型選擇與解釋性以及應(yīng)用場(chǎng)景上存在顯著的差異。mlr3verse作為一個(gè)綜合的生存分析框架，具有更多的功能和預(yù)測(cè)能力，適用于復(fù)雜的數(shù)據(jù)分析和預(yù)測(cè)需求。而KM方法則更適合用于描述整體生存概率的變化趨勢(shì)，并具有簡(jiǎn)單和直觀的解釋性。根據(jù)具體的分析目標(biāo)和數(shù)據(jù)情況，選擇適合的工具是非常重要的。

五、mlr3verse和KM比較

5.1 數(shù)據(jù)集載入

library(survival)
str(gbsg)

結(jié)果展示：

>?str(gbsg)
'data.frame':???686?obs.?of??10?variables:
?$?age????:?int??49?55?56?45?65?48?48?37?67?45?...
?$?meno???:?int??0?1?1?0?1?0?0?0?1?0?...
?$?size???:?int??18?20?40?25?30?52?21?20?20?30?...
?$?grade??:?int??2?3?3?3?2?2?3?2?2?2?...
?$?nodes??:?int??2?16?3?1?5?11?8?9?1?1?...
?$?pgr????:?int??0?0?0?0?0?0?0?0?0?0?...
?$?er?????:?int??0?0?0?4?36?0?0?0?0?0?...
?$?hormon?:?int??0?0?0?0?1?0?0?1?1?0?...
?$?rfstime:?int??1838?403?1603?177?1855?842?293?42?564?1093?...
?$?status?:?Factor?w/?2?levels?"0","1":?1?2?1?1?1?2?2?1?2?2?...

age：患者年齡
meno：更年期狀態(tài)（0表示未更年期，1表示已更年期）
size：腫瘤大小
grade：腫瘤分級(jí)
nodes：受累淋巴結(jié)數(shù)量
pgr：孕激素受體表達(dá)水平
er：雌激素受體表達(dá)水平
hormon：激素治療（0表示否，1表示是）
rfstime：復(fù)發(fā)或死亡時(shí)間（以天為單位）
status：事件狀態(tài)（0表示被截尾，1表示事件發(fā)生）

5.2 KM生存曲線

library(ggplot2)
library(survminer)
#?繪制生存曲線
fit?<-?survfit(Surv(survtime,censdead
)?~?hormone,data?=?gbcs)
ggsurvplot(fit,?data?=?gbcs,risk.table?=?TRUE,
??ggtheme?=?theme_bw(),
??xlab?=?"days",break.x.by=200,
??tables.y.text=FALSE,legend.title="",
??fontsize=5,break.y.by=0.2,
??font.x?=?15,
??font.y?=?15,
??font.tickslab?=?15,
??font.legend?=?15,
??ylab='Event-free?survival?probability',
??legend?=?c(0.90,0.85),pval.coord?=?c(5,0.25),pval.size=5,
??pval.family="Times?New?Roman",palette?=?c("red","green"))

5.3 mlr3verse生存分析

• 「設(shè)定任務(wù)」

options?(repos?=?c?(raphaels1?=?"https://raphaels1.r-universe.dev",?mlrorg?=?"https://mlr-org.r-universe.dev",?CRAN?=?'https://cloud.r-project.org'))
install.packages("dictionar6")
install.packages("param6")
install.packages("ranger")
install.packages("survivalmodels")
install.packages("mlr3")
install.packages("mlr3proba")
install.packages("mlr3verse")
install.packages("mlr3extralearners")
library("mlr3extralearners")
library(mlr3)
library(mlr3proba)
library(mlr3verse)
library(mlr3pipelines)
library(survex)
library(survival)

data(gbcs)
gbcs?<-?gbcs[,-c(1,2,3,4)]
gbcs$hormone?<-?as.factor(gbcs$hormone)
task?=?as_task_surv(gbcs,?
????????????????????time?=?"survtime",
????????????????????event?=?"censdead",id="gbcs")
task$head()
#繪制KM曲線
autoplot(task,rhs="hormone")

結(jié)果展示：

>?task$head()
??????survtime?censdead?age?censrec?estrg_recp?grade?hormone?menopause?nodes
1:?????2282????????0??38???????1????????105?????3???????1?????????1?????5
2:?????2006????????0??52???????1?????????14?????1???????1?????????1?????1
3:?????1456????????1??47???????1?????????89?????2???????1?????????1?????1
4:??????148????????0??40???????0?????????11?????1???????1?????????1?????3
5:?????1863????????0??64???????0??????????9?????2???????2?????????2?????1
6:?????1933????????0??49???????0?????????64?????1???????2?????????2?????3
???prog_recp?rectime?size
1:???????141????1337???18
2:????????78????1420???20
3:???????422????1279???30
4:????????25?????148???24
5:????????19????1863???19
6:???????356????1933???56

• 「生存分析預(yù)測(cè)」

ranger_learner?<-?lrn("surv.ranger")?
ranger_learner$train(task)

ranger_learner_explainer?<-?explain(ranger_learner,
?????????????????????data?=?gbcs,
?????????????????????y?=?Surv(gbcs$survtime,?gbcs$censdead),
?????????????????????label?=?"Ranger?model")
?????????????????????
ranger_learner_explainer?|>?predict_profile(gbcs[1,])?|>?plot(numerical_plot_type?=?"contours",variables?=?c("hormone",?"age"),facet_ncol?=?2,subtitle?=?NULL)

六、總結(jié)

綜上所述，mlr3verse和KM在功能、數(shù)據(jù)要求、模型選擇與解釋性以及應(yīng)用場(chǎng)景上存在顯著的差異。mlr3verse作為一個(gè)綜合的生存分析框架，具有更多的功能和預(yù)測(cè)能力，適用于復(fù)雜的數(shù)據(jù)分析和預(yù)測(cè)需求。而KM方法則更適合用于描述整體生存概率的變化趨勢(shì)，并具有簡(jiǎn)單和直觀的解釋性。根據(jù)具體的分析目標(biāo)和數(shù)據(jù)情況，選擇適合的工具是非常重要的。如果想了解如何評(píng)估m(xù)lr3verse模型性能和特征重要性圖，請(qǐng)關(guān)注和私信我，我們一起討論學(xué)習(xí)。原創(chuàng)不易，如果覺得寫的還行的話，請(qǐng)留下您的贊和再看，謝謝！

*「未經(jīng)許可，不得以任何方式復(fù)制或抄襲本篇文章之部分或全部?jī)?nèi)容。版權(quán)所有，侵權(quán)必究。」