Método de Buckley–James regularizado para resultados con censura a la derecha y covariables multimodales con bloques faltantes

Los datos de alta dimensión con resultados censurados de interés son prevalentes en la investigación médica. Para analizar tales datos, se ha aplicado con éxito el estimador de Buckley-James regularizado para construir modelos predictivos precisos y realizar selección de variables. En este artículo, consideramos el problema de la estimación de parámetros y la selección de variables para el modelo semiparamétrico de tiempo de fallo acelerado para datos de neuroimágenes multimodales con bloque faltante de alta dimensión y resultados censurados. Proponemos un método de Buckley-James penalizado que puede manejar simultáneamente covariables faltantes por bloques y resultados censurados. Este método también puede realizar selección de variables. El método propuesto se evalúa mediante simulaciones y se aplica a un conjunto de datos de neuroimágenes multimodales y obtiene resultados significativos.