연구진은 다양한 표 형식 신경망 아키텍처를 생존 분석에 적용하는 TabSurv 방법을 제안했습니다. TabSurv는 Weibull 분포 또는 비매개변수 생존 예측을 사용하며, SurvHL 손실 함수를 최적화하여 검열된 데이터를 지원합니다.
MLP 앙상블을 활용한 TabSurv는 기존 방식과 달리 앙상블 구성 요소의 예측 다양성을 높이기 위해 생존 분포 파라미터를 병렬로 최적화합니다.
10개의 실제 생존 데이터셋에 대한 실험 결과, TabSurv는 RSF, DeepSurv, DeepHit, SurvTRACE 등 기존 방법보다 우수한 성능을 보였으며, Weibull 파라미터화 앙상블 모델이 C-index에서 가장 높은 평균 순위를 기록했습니다.