연구진은 기존 방법의 한계를 극복하기 위해 생존 시간 분포 추정 모델인 SDPM(Survival Diffusion Probabilistic Model)을 제안했어요.
SDPM은 노이즈 제거 확산 모델을 활용하여 관측된 시간과 검열 지시자 쌍의 조건부 분포를 모델링하며, 시간 축 이산화 없이 생존 함수 추정치를 제공해요.
실제 생존 데이터셋 평가 결과, SDPM은 기존 5가지 방법 대비 C-index, 시간 의존 AUC, Brier 점수에서 경쟁력 있는 예측 성능을 보여줬어요.
표준화된 로그 시간 및 가우시안 혼합을 활용한 타겟 공간 변환은 이벤트율 보정, 유효하지 않은 생성 시간 감소, 예측 차별성 향상에 기여하는 것으로 확인됐어요.