El análisis de mediación juega un papel cada vez más crucial en la identificación de posibles vías causales entre las exposiciones y los resultados. Sin embargo, actualmente existe una falta de enfoques de mediación desarrollados para datos de supervivencia de alta dimensionalidad, especialmente al considerar modelos de riesgo aditivo. El presente estudio introduce dos enfoques novedosos para identificar mediadores estadísticamente significativos en modelos de riesgo aditivo de alta dimensionalidad, incluyendo el método de selección de mediadores basado en pruebas múltiples y el procedimiento de filtro knockoff. Los resultados de la simulación demuestran el rendimiento excepcional de estos dos métodos propuestos. Finalmente, empleamos la metodología propuesta para analizar la cohorte del Atlas del Genoma del Cáncer (TCGA) con el fin de identificar marcadores de metilación del ADN que median la asociación entre fumar y el tiempo de supervivencia entre pacientes con cáncer de pulmón.