竞争风险模型DeepHit的SCI论文发表情况

在临床数据库分析中，常规的临床数据分析最用的COX回归分析，但对于部分临床数据，常规COX回归分析有时很难达到较好拟合性能，而使用更复杂的机器学习生存方法则可以在某些模型上取代COX回归分析。

近期我们针对生物医学领域开发了Python机器学习在生物医学领域中的论文实战。包含了机器学习生存和深度学习生存全部模型

DEEPHIT模型就是方法机器学习生存算法中其中一种，且在生物医学应用广泛，可大幅度增加文章方法学的创新性。DEEPHIT模型目前主要应用于竞争风险数据的建模及分析。公共数据+临床模型是目前最快捷的SCI论文发表途径。

1.DEEPHIT模型预测前列腺癌患者竞争风险（IF15.3），

2.DEEPHIT+DEEPSURV预测多发性骨髓瘤预后（IF5.7）

3.DEEPHIT使用集成学习建立异基因 HSCT 后无 GVHD、无复发生存的预测模型。(IF 7.6)

4.DEEPHIT+DEEPSURV预测口腔癌预后（6.46）

除此之外还有很多文章：

随机生存森林模型除了常规的预测预后之外，同样可以对预后变量的重要性进行排序，对于鉴别重要的预后变量特征意义重大。

随机生存模型可以用C-index，

完整实战教程学习链接：