A neural network approach to survival analysis with time-dependent covariates for modelling time to cardiovascular diseases in HIV patients = Un approccio basato su reti neurali per l’analisi di sopravvivenza con variabili tempo-dipendenti per predire il tempo all’evento cardiovascolare in pazienti affetti da HIV

n this study, we investigate the impact of AntiRetroviral Therapies (ART) and clinical features of HIV patients on the risk of a cardiovascular event, with a survival analysis approach. Clinical and demographic features of 4512 HIV patients are collected during a follow-up time of 15 years. Two different methods for sur- vival analysis are adopted: the classical Cox Proportional Hazard model and a deep- learning approach, DeepHit, based on neural-network. Models are implemented in- cluding both time-invariant and time-varying covariates. Results of the two methods are compared in terms of predictive performance and interpretability, with a special focus on the different potentialities of the two approaches.

In questo studio, analizziamo l’impatto delle Terapie AntiRetrovirali (ART) e delle caretteristiche cliniche di pazienti affetti da HIV sul rischio di evento cardiovascolare, applicando metodi di analisi di sopravvivenza. Il dataset `e com- posto da 4512 pazienti affetti da HIV di cui sono note le informazioni cliniche e demografiche. Per l’analisi di rischio cardiovascolare adoperiamo due approacci: il classico modello di Cox a rischi proporzionali e il DeepHit basato su reti neurali. I modelli includono sia covariate tempo-invarianti che tempo-dipendenti, monitorate lungo il follow-up. I risultati dei modelli sono confrontati sia in termini di capacit`a predittiva che di interpretabilit`a, con una particolare attenzione alle diverse poten- zialit`a dei metodi confrontati.