CRISPNAM-FG：可解释深度学习竞争风险生存模型在医疗领域的应用

Vector Institute 等机构联合开发 CRISPNAM-FG 模型，将 Fine-Gray 竞争风险框架与 Neural Additive Models 结合，在预测糖尿病足并发症风险的同时保持特征级可解释性。该模型通过独立的 FeatureNet 子网络处理每个临床变量，捕捉非线性效应，避免依赖 LIME/SHAP 等事后解释方法，在高风险医疗场景中实现高精度与透明度的兼顾。