Survival Analysis (Hayatta Kalma Analizi)

#VeriAnalizi #Istatistik #MakineOgrenimi #SaglikBilisimi

Gözlem süresi boyunca bir olayın (ölüm, arıza, churn) ne zaman gerçekleşeceğini modelleyen istatistiksel yöntemler bütünü.

Hayatta kalma analizi, bir olayın gerçekleşmesine kadar geçen süreyi modellemek ve tahmin etmek için geliştirilmiş istatistiksel yöntemler bütünüdür. Tıp araştırmalarında kanser hastalarının remisyon süresi, mühendislikte ekipman ömrü ve iş analitiğinde müşteri kaybı (churn) gibi senaryolarda temel başvuru kaynağıdır. Bu analizin en kritik zorluğu sansürleme (censoring) olgusudur: Çalışma süresi sona erdiğinde bazı katılımcılar için ilgilenilen olay henüz gerçekleşmemiş olabilir. Sağ-sansürlü (right-censored) veriler, bilinen son gözlem tarihine kadar olayın yaşanmadığını ifade eder; sansürlemeyi göz ardı etmek, hayatta kalma olasılığını ciddi biçimde olduğundan küçük tahmin etmeye yol açar. Kaplan-Meier (KM) tahmincisi, hayatta kalma olasılığını her olay anında adım adım güncelleyen parametrik-olmayan bir yöntemdir. Klinisyenler ve araştırmacılar tarafından standart görselleştirme aracı olarak kullanılır; iki grup arasındaki fark ise log-rank testiyle değerlendirilir. Cox Orantılı Tehlike (Cox PH) modeli, yaş, dozaj veya risk skoru gibi birden fazla kovaryantın tehlike oranına etkisini eş zamanlı olarak modelleyen yarı-parametrik bir regresyon yöntemidir. Taban tehlike fonksiyonunu tahmin etmeden çalışması, esnekliğinin temel kaynağıdır. Her bir katsayının exp(β) dönüşümü tehlike oranını (HR) verir; HR > 1 ise ilgili faktör olayı hızlandırır. Hızlandırılmış Arıza Süresi (AFT) modelleri ise Weibull veya lognormal gibi parametrik dağılımları temel alarak bekleme süresini doğrudan çıktı olarak verir; elde edilen hızlandırma faktörü yorumlamayı basitleştirir. Derin öğrenme çağında Random Survival Forest, DeepHit ve Pycox gibi makine öğrenmesi yöntemleri doğrusal olmayan etkileşimleri yakalama konusunda güçlü seçenekler sunar. Python ekosisteminde lifelines ve scikit-survival kütüphaneleri, standart scikit-learn API'siyle uyumlu araç zincirleri oluşturur. Sağlık bilişimi, sigorta aktüerliği, bankacılık, SaaS abonelik kaybı ve ürün güvenilirliği gibi alanlarda hayatta kalma analizi, kritik kararların temel analitik altyapısını oluşturmaktadır. Rekabetçi riskler (competing risks) senaryosunda —örneğin bir hastanın hem hastalıktan hem de başka nedenlerden ölüm riski taşıdığı durumlarda— Fine-Gray modeli ayrı olay türlerini birlikte ele alır.

Olay-Zaman Verisi ve Temel Problem

Birçok bilimsel ve iş sorusu yalnızca 'olay gerçekleşti mi?' değil, 'ne zaman gerçekleşti?' ile ilgilenir. Bir pazarlama kampanyasının müşteri churn süresine etkisini ölçmek, bir ilacın hastane yatış süresini kısaltıp kısaltmadığını belirlemek ya da bir veri merkezindeki sunucu ömrünü tahmin etmek bu kategoriye girer. Olay-zaman verisi üç bileşenden oluşur: başlangıç noktası (tedavi başlangıcı, ürün satın alımı), olay (ölüm, churn, arıza) ve bu ikisi arasındaki süre. Sansürleme ise gözlem penceresi kapandığında bazı bireyler için olayın henüz gerçekleşmemiş olmasıdır.

Sansürleme: Eksik Verinin Olasılıksal Ele Alınması

Sansürleme, olay gerçekleşmeden gözlem penceresinin kapandığı durumu ifade eder. En yaygın türü sağ-sansürleme (right censoring) olup bireyin çalışmadan ayrılması veya çalışmanın sona ermesi gibi nedenlerle oluşur. Sol-sansürleme (left censoring) ve aralık-sansürleme (interval censoring) de literatürde yer alır. Hayatta kalma analizi, sansürlü gözlemleri analizden çıkarmak yerine kısmi bilgi olarak modele dahil eder; sansürlemeyi görmezden gelmek taraflı tahmine yol açar.

Kaplan-Meier Eğrisi ve Log-Rank Testi

Kaplan-Meier (KM) tahmincisi, parametrik bir dağılım varsaymadan hayatta kalma olasılığını S(t) = Π(1 − dᵢ/nᵢ) formülüyle her olay anında günceller. Adım fonksiyonu şeklinde çizilen KM eğrisi, zaman içindeki hayatta kalma olasılığını sezgisel biçimde sunar; eğrideki düşeyler olay zamanlarına, yatay bölümler ise olay gerçekleşmeyen aralıklara karşılık gelir. İki veya daha fazla KM eğrisi arasındaki istatistiksel fark, log-rank testiyle değerlendirilir; bu test, orantılı tehlike varsayımı altında en güçlü karşılaştırmayı sunar.

Cox Orantılı Tehlike Modeli ve AFT

Cox Orantılı Tehlike Modeli h(t|X) = h₀(t)·exp(βX), taban tehlike fonksiyonunu parametrik olarak belirtmeksizin birden fazla kovaryantın tehlike oranını (hazard ratio) eş zamanlı olarak tahmin eder. β katsayılarının exp(β) dönüşümü tehlike oranını (HR) verir; HR > 1 ise ilgili değişken olayı hızlandırır, HR < 1 ise koruyucu etkiye işaret eder. Orantılı tehlike varsayımının sağlanıp sağlanmadığı Schoenfeld artıkları ile test edilir. AFT modelleri (Weibull, lognormal) ise log(T) = μ + σε formülüyle bekleme süresini doğrudan çıktı olarak verir.

Makine Öğrenmesi ile Hayatta Kalma Analizi

  • check_circle Random Survival Forest: Breiman'ın Rastgele Ormanının hayatta kalma verisine uyarlanmış halidir; doğrusal olmayan etkileşimleri otomatik olarak yakalar ve scikit-survival ile kullanılabilir.
  • check_circle DeepHit: Rekabetçi riskler ve çoklu olay türleri için tasarlanmış derin öğrenme tabanlı bir hayatta kalma modelidir; son derece esnek tahmin kapasitesi sunar.
  • check_circle Pycox: PyTorch tabanlı, nöral ağ tabanlı hayatta kalma modelleri koleksiyonu; DeepHit, LogisticHazard ve MTLR modellerini içerir.
  • check_circle lifelines (Python): Cox, KM ve AFT modellerini temiz bir API ile sunan Python kütüphanesi; veri bilimciler için standart başlangıç noktasıdır.

Sık Sorulan Sorular

  • check_circle Survival analysis ile lojistik regresyon arasındaki temel fark nedir? Lojistik regresyon yalnızca 'olay gerçekleşti mi?' sorusunu yanıtlarken, survival analysis 'ne zaman gerçekleşti?' sorusuna sansürlemeyi de göz önünde tutarak olasılıksal bir yanıt üretir.
  • check_circle Sansürleme veriyi kötü yapar mı? Hayır; hayatta kalma analizi sansürlü gözlemleri kısmi bilgi olarak modele dahil eder. Sansürlü bireyleri analizden çıkarmak — sansürlemeyi görmezden gelmek — asıl yanlılık kaynağıdır.
  • check_circle Tehlike fonksiyonu (hazard function) nedir? Tehlike fonksiyonu h(t), t anına kadar hayatta kalmış bir bireyin t anında olayı yaşama anlık oranını ifade eder. Kümülatif tehlike H(t) = -ln(S(t)) ile hayatta kalma fonksiyonu arasında doğrudan bir ilişki vardır.
  • check_circle Churn tahmini için en iyi model hangisidir? Klasik veri setleri ve yorumlanabilirlik öncelikli ise Cox PH tercih edilir. Doğrusal olmayan etkileşimler önemliyse Random Survival Forest veya DeepHit daha iyi performans gösterebilir. Model seçiminde C-index (uyum indeksi) ve brier score kullanılır.