DeepAJM：面向不规则采样数据的深度关联联合模型

Barsha Halder 与 Jeffrey A. Thompson 提出深度联合模型 DeepAJM，用于分析不规则采样的纵向与生存数据。据其 arXiv 论文（cs.LG，2026 年 10 月 7 日）称，该模型无需参数假设，采用编码器-解码器架构学习患者时变协变量的潜在结构，并通过可解释的关联结构连接纵向过程与生存过程。 研究者在心血管疾病电子健康记录队列、原发性胆汁性胆管炎（PBC2）数据集和模拟数据集上测试该模型，报告其在 C-index、时间依赖 AUROC 和 AUPRC 上均取得最佳区分度。上述性能为该论文报告的结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。