时变治疗生存效应双重鲁棒学习框架发布
热点事件持续更新
时变治疗生存效应双重鲁棒学习框架发布
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
2026年10月20日，Tomas Garriga等人在arXiv上发表论文，提出一种针对时变治疗及依赖历史的删失场景下的异质生存治疗效应（HSTEs）估计框架。该框架核心创新在于将干预窗口与生存期分离，允许在有限治疗期内预设方案，之后随访自然进程，并支持灵活机器学习模型估计混杂变量与治疗效应回归。理论方面，该方法具备Neyman正交性、速率双重稳健性及准预言机效率等性质。数值实验结果证实，该框架在通过估计生存概率以指导治疗序列决策时具有良好的有效性。
AI 根据报道生成 · 3 小时前更新
最新进展10月20日 12:00
时变治疗下异质生存治疗效应的双重稳健学习方法报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · ML时变治疗下异质生存治疗效应的双重稳健学习方法
论文提出了一种用于时变治疗和依赖历史的删失场景下异质生存治疗效应（HSTEs）估计的双重稳健学习者框架。 该框架将干预窗口与生存期分离，支持灵活机器学习模型进行混杂变量估计和治疗效应回归，并具备 Neyman-正交性、速率双重稳健性和准预言机效率等理论性质。 数值实验表明该方法在估计生存概率以指导治疗序列决策时具有有效性。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 810月20日 18:00
- 近 24 小时变化
- –
02.557.510
18:0019:0020:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。