Исследователи представили ChronoSurv — фреймворк для анализа выживаемости пациентов с онкологическими заболеваниями головы и шеи. В отличие от традиционных моделей, которые рассматривают медицинские данные как статический набор признаков, этот метод учитывает временную динамику клинического пути пациента. Система использует графовые нейронные сети для интеграции разнородных данных, включая результаты визуализации, лабораторные показатели и анамнез, что позволяет точнее прогнозировать развитие болезни.
Ключевая особенность разработки заключается в использовании клинических протоколов как направляющей структуры для графа. Это помогает модели выявлять сложные зависимости между различными этапами лечения и состоянием пациента, которые часто игнорируются при стандартном обучении на табличных данных. Такой подход решает проблему высокой размерности и неоднородности медицинской информации, с которой сталкиваются классические статистические методы и ранние версии глубоких моделей.
Тестирование на реальных клинических датасетах показало, что интеграция временных последовательностей через графовые структуры значительно повышает точность предсказаний. Метод позволяет не только оценивать риски, но и лучше понимать влияние конкретных терапевтических вмешательств на долгосрочный прогноз. Разработка открывает новые возможности для персонализированного планирования лечения, позволяя врачам адаптировать стратегию ведения пациента на основе динамического анализа данных.