SINCox+SIG：一种在建模与归因中具备双重稀疏性的可解释深度生存分析框架

《Neurocomputing》：SINCox+SIG: An interpretable deep survival framework with dual sparsity in modeling and attribution

　　# 摘要生存分析涉及预测灵活性与模型可解释性之间的固有权衡。传统统计方法，如Cox比例风险模型，提供了透明的效应估计，但在捕捉复杂非线性协变量关系方面存在局限。相反，深度生存模型提供了更强的表征能力，通常以牺牲可解释性为代价。为了应对这一局限，我们提出了SINCox+SIG，一个在预测建模和特征归因中兼具双重稀疏性的可解释深度生存框架。SINCox将两层隐藏层前馈神经网络与Cox模型整合，并联合引入岭回归、λ和分组Lasso正则化，以捕捉非线性效应，同时促进参数级和组级稀疏性。在模型解释方面，我们进一步提出了稀疏积分梯度（SIG），该方法聚合绝对观测级积分梯度归因值，并应用相对软阈值处理以衰减弱贡献并产生简洁的特征重要性表示。所提出的框架在四个合成数据和五个真实生存数据集上进行评估。使用一致性指数和集成Brier分数评估预测性能，并在具有预指定信息特征的受控模拟设置下检验归因准确性和计算效率。结果表明，SINCox在线性、非线性和高维设置中均能取得具有竞争力的一致性预测性能。此外，在评估的模拟设置中，SIG提供了比SHAP更准确且更集中的潜在特征重要性分布估计，同时所需计算量显著减少。这些发现表明，SINCox+SIG为结合非线性生存建模与稀疏且可定量验证的模型解释提供了一个有效框架。# 引言生存分析已从传统统计模型显著发展为复杂的机器学习和深度学习方法[1]。尽管像Cox比例风险模型这样的经典方法具有内在可解释性，但其线性假设往往无法捕捉高维生物医学数据中复杂的非线性关系。相反，DeepSurv和DeepHit等现代深度学习模型表现出优越的预测性能，但作为"黑箱"运行，限制了其在临床环境中的可信度和采用率[2]。近期努力旨在弥合这一性能-可解释性差距。创新包括神经加性模型、符号可解释网络和基于聚类的解释，旨在使深度生存模型更加透明。然而，这些方法通常聚焦于局部可解释性，缺乏标准化评估，并且难以在不同人群中推广。在本文中，我们提出一个可解释的深度生存分析框架，称为SINCox+SIG，该框架将稀疏正则化神经Cox模型与稀疏积分梯度（SIG）相结合。本研究的主要贡献总结如下：- 首先，SINCox通过引入两层隐藏层前馈神经网络来捕捉非线性协变量效应，扩展了传统的Cox比例风险框架。联合引入岭回归、λ和基于K-means的分组Lasso惩罚，以在单个参数级和特征组级产生稀疏性，从而增强模型的稀疏性和可解释性。- 其次，我们提出了SIG，一种归因方法，该方法聚合观测级绝对IG值并应用相对软阈值算子来推导稀疏且简洁的特征重要性表示。SIG保留了底层IG公式的公理性质，同时衰减了弱且潜在不稳定的归因。- 第三，我们使用四个合成数据和五个真实生存数据集进行了全面的实证评估。使用一致性指数和集成Brier分数评估预测性能，通过在具有预指定信息特征的模拟设置中将SIG与SHAP进行比较来评估归因准确性和计算效率。本文其余部分组织如下。第2节回顾了生存分析模型的最新进展并确定该领域的关键挑战。第3节详细介绍了所提出的SINCox模型的架构及稀疏积分梯度（SIG），以及预处理方法。评估指标和一些竞争方法在第4节中描述。第5节至第6节展示了实验结果，评估SINCox在四个合成数据和五个真实数据集上与基线模型的性能，包括解释方法的比较分析。第7节讨论了我们的发现的意义，总结全文，并提出了未来研究方向。# 章节片段## 相关工作生存分析方法学已从传统统计模型发展为现代机器学习方法。像Cox比例风险模型[5]、Kaplan-Meier估计量和加速失效时间模型这样的统计模型因其可解释性而备受推崇，但通常受限于线性假设。相比之下，包括生存森林[6]在内的机器学习方法优先考虑预测性能，尤其在高维设置中。深度学习的整合...（原文此处截断）## 提出的方法所提出方法的总体框架如图1所示。该框架由三个主要部分组成：特征预处理与分组、稀疏神经Cox建模，以及使用稀疏积分梯度的事后解释。SINCox将Cox偏似然与岭回归、个体级和组级正则化相结合，而SIG聚合观测级IG归因并应用相对软阈值以获取简洁的特征重要性表示。## 评估指标传统机器学习评估指标通常不足以评估生存分析模型，因为生存数据中存在删失观测值。我们采用两个流行的删失数据分析标准，即Harrell一致性指数（C-index或CI）[28]和集成Brier分数（IBS）[29]，以在后续实验中评估生存模型的准确性。- **C-index：** 一致性指数（C-index）表示所有观测值对中生存...（原文此处截断）## 模拟数据研究我们使用模拟研究来评估所提出方法在低到高维设置中生存预测的有效性。我们还使用不同删失率的模拟生存数据研究了所提出SINCox的参数敏感性。此外，我们使用合成数据集评估了积分梯度（IG）方法的有效性。## 真实数据应用为了进一步检验模拟研究获得的结果，我们在五个在统计文献中被广泛分析的基准生存数据集上将SINCox与流行的生存模型进行比较。纳入生存数据集以展示所提出算法的有效性。此外，我们在真实生存数据集上验证了SINCox+SIG模型解释性的准确性和有效性。## 结论本研究提出了SINCox+SIG，一个将稀疏正则化神经Cox建模与稀疏积分梯度相结合的可解释深度生存分析框架。SINCox将非线性表征学习纳入Cox比例风险框架，同时在输入层权重中引入元素级和组结构稀疏性。SIG通过聚合观测级归因并应用相对软阈值扩展了传统积分梯度，以获得...（原文此处截断）## 未引用参考文献[36],[37],[38],[39],[40],[41]## CRediT作者贡献声明**梁嘉轩：** 写作——原稿撰写，软件，资源，方法论，形式分析，数据整理，概念构思。**王红：** 写作——审阅与编辑，监督，资助获取。## 利益冲突声明作者声明他们没有任何已知的竞争性经济利益或个人关系可能影响本文所报告的工作。## 致谢本研究部分由中国国家社会科学基金（编号：24BTJ059）资助。## 作者简介**梁嘉轩** 于2026年获得中南大学统计学硕士学位。她的研究兴趣包括生存分析和深度学习。梁嘉轩 | 王红