시간을 직접 입력하는 KAN 기반 완전 파라메트릭 생존 모델

초록

SurvKAN은 Kolmogorov‑Arnold Network(KAN)를 활용해 시간과 환자 특성을 동시에 입력으로 받아 로그 위험 함수를 직접 예측하는 완전 파라메트릭 생존 모델이다. 비례 위험 가정을 없애고 전체 생존 가능도(Likelihood)를 최적화함으로써 시간에 따라 변하는 위험 패턴을 자유롭게 학습한다. 학습 과정에 L1, 엔트로피, 스플라인 계수 정규화 등을 결합한 구조적 정규화를 적용해 해석 가능하고 희소한 모델을 유지한다. 실험 결과 C‑Index와 Integrated Brier Score 모두 기존 Cox, DeepSurv, DeepHit 등과 비교해 경쟁력 있거나 우수한 성능을 보였으며, 각 엣지 함수 시각화를 통해 임상적으로 의미 있는 시간‑특징 상호작용을 확인했다.

상세 분석

SurvKAN은 기존 생존 분석 모델이 갖는 두 가지 주요 제약—선형 공변량 관계와 비례 위험(PH) 가정—을 근본적으로 해소한다. 핵심 아이디어는 KAN 구조를 이용해 입력 벡터