生存時間解析では，観測開始時点で記録される共変量の値が，目標事象発生（打切りあるいは死亡）まで一定であるとして解析してきた．しかし，患者は観測期間中モニタリングされ，目標事象までに種々のイベント発生の検査値が記録される．本稿では，共変量の値が時間に依存して変化する骨髄移植（同種造血幹細胞移植）データを取上げる．イベント発生ごとに変化する共変量の時系列情報を取込むため，自然言語処理の分野で急激な発展を遂げているリカレントニューラルネットワーク（Recurrent Neural Network；RNN）を活用する．具体的には，ブートストラップ法を援用し，最適な隠れユニット数の決定，影響分析による外れ値の検出，モデル改善の検証，およびモデルの適合度検定などを目途とする．部分ロジスティックモデルを拡張したフィードフォワードニューラルネットワーク（Feed-Forward Neural Network；FFNN），更にそれに帰還路を加えたRNNを活用することにより，非線形なイベントヒストリー解析が可能になる．RNNを活用し，観測期間中のイベント発生時点における，ある共変量のもとでの半年後条件付き生存確率を予測すれば，従来のFFNN，部分ロジスティックモデルおよびCoxの比例ハザードモデルに比べて，イベントの発生現象を的確に表現できる．
