机器学习驱动的交互效应建模显著提升UK Biobank疾病风险预测效能

本研究针对传统Cox比例风险模型无法有效捕捉预测变量间交互作用的局限，开发了基于低秩分解的生存分析新方法survivalFM。通过整合UK Biobank中9种疾病的临床与组学数据，证明该方法在30.6%场景中显著提升判别性能（C-index），41.7%案例增加解释方差（R2），94.4%情境改善风险重分类（NRI），特别在心血管疾病风险预测中突破现有QRISK3模型仅考虑年龄交互的局限，为精准预防医学提供新工具。

　　

在现代医学实践中，准确预测疾病风险是实现精准预防的关键。然而，传统统计模型如Cox比例风险模型（Cox proportional hazards model）存在明显局限——它们假设风险因素以线性方式独立作用，忽视了生物系统中普遍存在的协同或拮抗效应。这种简化导致模型可能错过重要的生物学机制，也限制了风险预测的准确性。以心血管疾病为例，虽然QRISK3等临床预测工具通过预设年龄交互项取得进展，但面对数百个潜在风险因素时，全面检测所有两两交互在计算和统计上都不可行。

针对这一挑战，赫尔辛基大学（University of Helsinki）的研究团队开发了创新性机器学习方法survivalFM。该方法突破性地将推荐系统中成熟的因子分解机（Factorization Machines, FM）概念引入生存分析领域，通过低秩近似高效估计所有可能的成对交互效应。相关研究成果发表在《Nature Communications》上，为复杂疾病风险建模开辟了新途径。

研究采用三项核心技术：1）基于因子分解的交互效应参数化（β_i,j≈?p_i,p_{j²)降至O(d×k)；2）BFGS拟牛顿算法优化包含42万参与者的UK Biobank数据；3）多模态验证框架，涵盖标准风险因素、临床生化指标、代谢组学和多基因风险评分（PRS）四类预测因子，在9种疾病中系统评估预测性能。}

方法学创新与验证

生存FM模型架构：通过扩展Cox模型的危险函数h(t|x)=h₀(t)exp(f(x))，其中f(x)包含线性项和因子分解交互项。这种设计既保留传统模型的解释性，又通过k=10的隐向量空间捕捉复杂关联。在苏格兰测试集（占队列7%）的验证显示，模型校准良好，除慢性肾病外均无系统性偏差。

多疾病预测性能提升

判别性能：在36个评估场景中，11个（30.6%）观察到C-index显著提升（平均ΔC-index=0.0054），如标准风险因素预测肝病时C-index从0.79升至0.80。
解释方差：15个案例（41.7%）的R²显著增加（平均ΔR²=1.62%），代谢组学数据预测肝病时解释方差提升3.1%。
风险重分类：34个场景（94.4%）实现NRI改善，其中临床生化预测2型糖尿病时NRI达0.97，34%事件和63%非事件个体获得更准确风险分级。

临床转化应用

QRISK3模型增强：在心血管疾病预测中，survivalFM相比仅含年龄交互的QRISK3模型：

• 判别提升：ΔC-index=0.0019 vs 0.0000
• 风险捕获：10年随访中高风险组多识别6.7%事件（844 vs 791例）
• 关键发现：总胆固醇/HDL比值呈现最强交互网络，与房颤存在负向交互（β=-0.32），提示二者共享心血管风险通路。

生物学机制揭示

肝病模型：代谢组学分析显示乙酸（acetate）与氨基酸的强交互效应，印证酒精代谢与肝脂堆积的分子机制；糖尿病模型：糖化血红蛋白（HbA1c）与葡萄糖呈负交互，反映血糖调控的饱和效应。

这项研究通过算法创新解决了高维交互建模的核心难题，其价值体现在三个维度：方法学上，首次实现生存分析中全交互效应的可扩展估计；临床上，证明综合交互建模可提升现有风险工具的预测效能；科学上，为解析多因素疾病的复杂病因提供新视角。随着生物医学数据规模的持续扩大，survivalFM有望成为连接机器学习与解释性研究的重要桥梁，推动精准预防医学向更深层次发展。