University of Augsburg

罕见遗传病常在初诊时被漏掉，而现有面部诊断模型多为端到端黑箱，难以说明依据。ProtoGestalt在PIP-Net原型学习上加入面部关键点约束，让每个原型只能从指定的十个解剖区域取证据，预测由这些局部原型相加而成。在按年龄、性别、族裔匹配的对照上，它区分综合征与未患病面孔的准确率为0.85，区域约束版本为0.73；对照数量增加时AUPRC下降但仍高于0.70。

罕见遗传病常在初诊时被漏掉，而现有面部诊断模型多为端到端黑箱，难以说明依据。ProtoGestalt在PIP-Net原型学习上加入面部关键点约束，让每个原型只能从指定的十个解剖区域取证据，预测由这些局部原型相加而成。在按年龄、性别、族裔匹配的对照上，它区分综合征与未患病面孔的准确率为0.85，区域约束版本为0.73；对照数量增加时AUPRC下降但仍高于0.70。

作者基于两项随机对照试验的参考数据集开展中性模拟比较，按TRIPOD建议的多类指标评估Cox比例风险模型与随机生存森林在个体生存概率预测上的表现，发现仅依据C指数得出的结论未必可推广到其他预测性能维度，总体性能类指标通常给出更合理的结果，随机生存森林的标准对数秩分裂规则在非比例风险情形下可能被替代分裂规则超越，随机生存森林在含治疗—协变量交互的数据中性能下降较小，而Cox比例风险模型的性能受比例风险假设违背的影响。

作者基于两项随机对照试验的参考数据集开展中性模拟比较，按TRIPOD建议的多类指标评估Cox比例风险模型与随机生存森林在个体生存概率预测上的表现，发现仅依据C指数得出的结论未必可推广到其他预测性能维度，总体性能类指标通常给出更合理的结果，随机生存森林的标准对数秩分裂规则在非比例风险情形下可能被替代分裂规则超越，随机生存森林在含治疗—协变量交互的数据中性能下降较小，而Cox比例风险模型的性能受比例风险假设违背的影响。