该论文提出了多种基于深度学习的生存分析方法，旨在提高事件时间预测的准确性。研究涵盖非参数和参数模型，利用健康数据和创新机制，显著提升生存风险估计和临床决策支持的性能。

本文探讨了生存分析中的多种方法，包括基于神经网络的模型和评分规则的扩展。研究表明，Cox比例风险模型在低维度右删失数据中仍然有效，并通过新方法优化了生存风险的估计，展示了在竞争风险情境下的优势。