Uczenie transferowe z rekalibrowaną korektą rozkładu zmiennych do predykcji przeżycia w warunkach przesunięcia kowariancyjnego

CoxRTL to nowa metoda uczenia transferowego z rekalibracją, która wykorzystuje dane z dużych zewnętrznych kohort do poprawy predykcji przeżycia modelem Coxa, gdy docelowy ośrodek dysponuje ograniczonymi danymi treningowymi i nie ma dostępu do wyników klinicznych w fazie wdrożenia. Podejście to bezpośrednio rozwiązuje problem przesunięcia kowariancyjnego — częstą sytuację kliniczną, w której różnice w składzie populacji pacjentów między ośrodkami pogarszają dokładność modeli prognostycznych. Rekalibracja modelu do rozkładu zmiennych w populacji docelowej bez konieczności posiadania danych o przeżyciu oferuje praktyczne rozwiązanie dla wieloośrodkowych modeli prognostycznych w onkologii.