《Frontiers in Big Data》:A novel three-parameter Gompertz-Lomax Distribution with a physics-informed survival network: statistical theory, hazard shape characterization, and real-world applications
编辑推荐:
本文介绍了Gompertz-Lomax分布(GLD),一种新型三参数连续寿命模型,其复合风险率加性组合了递增的Gompertz分量与递减的Lomax分量。由此产生的闭式生存函数将Gompertz分布和Lomax分布作为精确特例包含在内,并在单一参数框架内适应递
本文介绍了Gompertz-Lomax分布(GLD),一种新型三参数连续寿命模型,其复合风险率加性组合了递增的Gompertz分量与递减的Lomax分量。由此产生的闭式生存函数将Gompertz分布和Lomax分布作为精确特例包含在内,并在单一参数框架内适应递增、递减和浴盆形风险曲线。研究人员推导了原点矩和中心矩、不完全矩、分位数函数、平均剩余寿命、应力-强度可靠度、随机序、Rényi熵以及Bonferroni-Lorenz不等曲线的完整闭式表达式。四种估计程序,即极大似然、矩法、最小二乘和加权最小二乘,通过包含N=10,000次重复的Monte Carlo模拟研究进行了开发和验证,并对所有四种估计量的有限样本性能进行了比较。作为主要的机器学习贡献,本文引入了物理信息生存网络(PISN):一种深度神经网络,将受试者水平协变量映射到个体GLD形状和尺度参数,同时将理论推导的风险形状条件编码为训练损失中的光滑可微罚项。对三个基准数据集(即白血病患者生存、COVID-19医院生存和电子元件失效时间)的实证评估表明,GLD在全部三个数据集上取得了最低的Kolmogorov-Smirnov统计量和最优的Akaike信息准则(AIC)、校正AIC(AICC)和贝叶斯信息准则(BIC),在白血病数据集上ΔAIC超过最近竞争者5个单位以上,在电子元件数据集上ΔAIC=30.6,后者呈现浴盆形风险率。
**研究背景**
寿命数据精确统计建模是可靠性工程、临床生存分析和风险管理的核心基础。现实失效过程呈现多种风险率行为,包括早期失效期递减风险、老化磨损期递增风险以及兼具两者的浴盆形风险,而没有任何单一两参数分布能同时刻画这些模式。Gompertz分布仅能刻画单调递增风险,Lomax分布局限于递减风险,Weibull分布虽覆盖增减两种趋势却无法表达浴盆形状。三参数扩展模型如Modified Weibull和Flexible Weibull虽可处理浴盆风险要求,但通常以牺牲闭式可解性为代价。文献中同时存在三个空白:其一,将Gompertz递增风险分量与Lomax递减风险分量直接加性合成作为独立三参数族尚未被探索;其二,尚无深度学习生存模型能同时输出解析可处理三参数分布的参数并强制施加分布理论推导的风险形状条件(Wang et al., 2024; Klambauer et al., 2020);其三,分布拟合评估文献很少在同一论文中同时报告全部标准信息准则、Q-Q图和频率图。该文发表于《Frontiers in Big Data》。
**研究内容**
研究人员构建了Gompertz-Lomax分布(GLD),其复合风险率h(x)=ae
bx+c/(1+cx)加性组合递增Gompertz分量与递减Lomax分量,生存函数S(x)=exp(?(a/b)(e
bx?1))(1+cx)
?1完全闭式,并将Gompertz与Lomax分布作为精确特例嵌套其中。研究人员推导了原点矩与中心矩、不完全矩、分位数函数、平均剩余寿命、应力-强度可靠度、随机序、Rényi熵及Bonferroni-Lorenz曲线等完整统计性质。风险形状定理(Theorem 3.2)给出可检验的代数判别条件:ab>c2为递增风险(IFR)型,ab
**关键方法**
(1)GLD加性复合风险构造与闭式生存函数推导;(2)Theorem 3.2风险形状判别条件ab?c2;(3)四种参数估计方法(MLE、MOM、LSE、WLSE)及模拟比较;(4)PISN架构:两层64单元隐藏层、批归一化、Softplus输出层将协变量映射至个体GLD三参数,损失函数由删失负对数似然、基于风险形状条件的可微罚项(tanh光滑逼近,κ=20)及总体校准罚项组成。数据来源:DS1为Feigl和Zelen(1965)的33例急性髓系白血病患者生存周数(协变量为对数化初始白细胞计数);DS2为Ahamed等(2023)的50例COVID-19住院患者生存天数(无协变量,仅截距配置);DS3为Aarset(1987)的50个电子元件加速寿命试验失效小时数(无协变量)。
**研究结果**
模拟研究:四个参数组、五种样本量(n∈{25,50,100,200,300})下MLE的平均偏差(AB)与均方误差(MSE)随n单调递减,验证一致性;中等至大样本下MLE的MSE最低,小样本下MOM与WLSE具竞争力。
DS1白血病数据:GLD的AIC=305.89、AICC=306.72、BIC=310.38均列最优,ΔAIC超过最近竞争者5个单位以上,K-S统计量D=0.1259(p=0.6274)。
DS2 COVID-19数据:GLD的AIC=476.63、AICC=477.15、BIC=480.37均最优,K-S统计量D=0.0403(p=1.0000),识别为接近边界的递减风险(DFR)区域。
DS3电子元件数据:GLD的AIC=444.06、AICC=444.58、BIC=449.80均最优,ΔAIC=30.6大幅胜过全部竞争者,是唯一能解析表达该数据集已知浴盆风险结构的模型。
PISN基准与消融:PISN在三个数据集上均取得最高C-index(DS1=0.748±0.027、DS2=0.716±0.025、DS3=0.689±0.031)和最低IBS(DS1=0.154±0.019、DS2=0.178±0.016、DS3=0.179±0.019);消融研究显示移除形状罚项导致C-index一致下降、IBS上升,证实Theorem 3.2风险形状约束对预测性能有实质贡献;校准罚项移除亦造成性能轻度下降。
**讨论与结论**
GLD建立了新型三参数寿命模型,其加性复合风险是首种将Gompertz IFR分量与Lomax DFR分量结合并产生完全闭式生存函数的解析可解组合。条件ab?c2作为单一可检验代数不等式分离IFR与浴盆行为,并作为PISN损失中的可微物理约束实现端到端梯度传播。局限性包括:分位数函数、矩、平均剩余寿命和应力-强度可靠度等需数值求值;小样本(n<30)下估计敏感性增大(表4中n=25的较高MSE);PISN假设GLD参数形式适配潜在生存机制,误设将传播为参数估计偏倚,部署前应进行GLD族拟合优度检验;评估数据集规模有限(n≤50),观测到的性能提升一致但幅度适中,向更大队列的外推性尚不能确立。未来方向包括零膨胀GLD、Marshall-Olkin copula双变量GLD、Hamiltonian Monte Carlo贝叶斯估计、PISN时变协变量扩展(循环或注意力编码器)以及SEER、MIMIC等更大生存基准的评估。