基于随机生存森林的脊髓脊索瘤生存预测

《Journal of Clinical Neuroscience》：Random survival forests-based survival prediction for spinal chordomas

脊髓 chordoma 患者生存预测中随机生存森林（RSF）模型优于传统Cox回归模型，在C-index（0.790 vs 0.770）、iAUC（0.731 vs 0.679）和iBS（0.130 vs 0.148）等指标上表现更优，且通过决策曲线分析（DCA）验证了其临床实用性，但需进一步外部验证。

　　

作者：明彩、孙海伦、郑继航、张娜、于立生

单位：中国浙江省温州市温州医科大学第二附属医院神经外科

摘要

背景

脊髓脊索瘤是一种罕见的恶性肿瘤，由于易发生局部复发和远处转移，预后较差。由于临床和组织学因素的复杂性，准确的生存预测至关重要但具有挑战性。本研究旨在开发并验证一种随机生存森林（RSF）模型，用于预测脊髓脊索瘤患者的生存情况，并将其性能与传统的Cox比例风险模型进行比较。

方法

利用SEER数据库（2000–2018年）的数据，我们回顾性分析了679例组织学确诊的脊髓脊索瘤患者。使用RSF算法和Cox回归构建了预测模型，纳入了临床和人口统计学变量。通过三个关键方面评估模型性能：校准（综合Brier分数[iBS]）、区分度（曲线下面积[iAUC]和C指数）以及临床实用性（决策曲线分析[DCA]）。进行预后分层，以评估RSF模型将患者分类为不同风险组的能力。

结果

与Cox模型相比，RSF模型表现出更优的预测性能，C指数更高（0.790 vs 0.770），iAUC更大（0.731 vs 0.679），iBS更低（0.130 vs 0.148）。RSF模型提供了更准确的时间依赖性生存预测，并在3年、5年和10年的生存阈值上表现出更高的临床实用性。年龄和手术干预被确定为最具影响力的预后因素。使用RSF模型进行风险分层有效地区分了高风险和低风险患者，这一点通过Kaplan-Meier生存分析得到了验证。

结论

RSF模型在脊髓脊索瘤患者的生存预测方面代表了显著的进步，与传统方法相比具有更高的准确性和临床实用性。将其纳入临床实践可以改进个性化治疗计划并改善患者预后。需要进一步的外部验证来确认其普遍适用性。

引言

脊髓脊索瘤是一种罕见的、生长缓慢的恶性肿瘤，起源于脊柱沿线的脊索残留组织，通常发生在骶骨、椎骨或颅椎区域[[1], [2], [3]]。它们约占所有原发性骨肿瘤的1–4%，发病率高峰出现在40–60岁的成年人群中[[4], [5], [6]]。临床上，脊髓脊索瘤常表现为非特异性症状，如局部疼痛、神经功能障碍和运动障碍，这些症状与肿瘤生长和周围结构受压有关[[4]]。手术切除是主要的治疗方式，但由于肿瘤靠近重要的神经和血管结构，手术往往具有挑战性[[7], [8]]。对于残留病灶，通常会采用放疗等辅助治疗，但由于肿瘤对化疗和放疗的固有耐药性，这些干预措施的效果仍然有限[[9], [10], [11]]。重要的是，尽管有这些治疗选择，脊髓脊索瘤患者的预后通常较差。更重要的是，外科医生难以综合考虑众多临床和组织学因素来提供准确的预后，这凸显了需要可靠的预测模型来更好地指导治疗决策和随访策略[[12]]。

由于肿瘤易发生局部复发和晚期远处转移，脊髓脊索瘤患者的预后通常较差[[13]]。由于这种肿瘤的罕见性，进行大规模队列研究具有挑战性，限制了强大预后模型的开发。因此，生存预测仍然困难，当前的方法（如传统的Cox比例风险模型）往往无法充分捕捉疾病的复杂性和时间变化性。为了解决这些局限性，本研究旨在比较随机生存森林（RSF）分析[[14], [15]]与传统的Cox回归模型[[16]]的性能。RSF是一种先进的机器学习方法，在处理复杂的高维数据方面显示出巨大潜力，并能够建模变量之间的非线性关系和交互作用[[16], [17]]。通过纳入多个变量，RSF可以提供更准确和个性化的预测，从而成为改善脊髓脊索瘤患者生存预测的宝贵工具。

在本研究中，我们利用SEER（监测、流行病学和最终结果）数据库进行了广泛的分析，并基于RSF开发了一个预测模型，用于预测脊髓脊索瘤患者的总生存期（OS）。通过比较RSF模型和Cox模型，我们旨在确定更准确预测患者预后的方法，并突出RSF在脊髓脊索瘤管理中的潜在临床价值。

数据来源和患者队列

这项回顾性队列研究从SEER数据库中确定了被诊断为脊索瘤的患者，该数据库成立于1973年，汇总了来自18个登记处的临床癌症数据，涵盖了大约30%的美国人口[[15]]。纳入标准包括：（1）组织学确诊的脊索瘤（ICD-O-3代码：9370/3、9371/3、9372/3）；（2）诊断时间在2000年至2018年之间，以确保有足够的随访数据；（3）肿瘤位于脊柱（C41.2）或

患者特征

研究人群的基线特征分为训练组（N = 475）和验证组（N = 204），详见表1。在整个队列（N = 679）中，大多数患者（56.3%）年龄超过60岁。男性占60.4%，白人占多数，占队列的87.6%。关于肿瘤特征，肿瘤更常位于盆腔骨骼（57.4%），而非椎骨

讨论

在本研究中，我们使用RSF算法开发并验证了一个脊髓脊索瘤患者的预后模型，其预测性能优于传统的Cox比例风险模型。尽管脊髓脊索瘤较为罕见，但由于预后差、治疗方案复杂以及难以预测生存结果，它们带来了重大的临床挑战[[21], [22], [23]]。我们的发现强调了需要可靠和个性化的预后模型

结论

总之，RSF模型在脊髓脊索瘤患者的生存预测方面代表了显著的进步。其处理复杂高维数据并提供个性化预测的能力使其成为临床实践中的有力工具。通过将此模型纳入常规临床工作流程，我们可以提高预后准确性，指导治疗策略，最终改善这种复杂疾病的患者预后。

贡献

（I）概念设计和研究构思：明彩、于立生；（II）行政支持：于立生；（III）研究材料或患者的提供：所有作者；（IV）数据收集和整理：所有作者；（V）数据分析和解释：所有作者；（VI）手稿撰写：所有作者；（VII）手稿最终审批：所有作者。

CRediT作者贡献声明

明彩：撰写 – 审阅与编辑、初稿撰写、正式分析、概念构思。孙海伦：撰写 – 审阅与编辑、初稿撰写、方法学设计。郑继航：撰写 – 审阅与编辑、初稿撰写、研究实施。张娜：撰写 – 审阅与编辑、初稿撰写、软件应用。于立生：撰写 – 审阅与编辑、初稿撰写、概念构思。

资金

无。

利益冲突声明

作者声明没有已知的财务利益或个人关系可能影响本文所述的工作。

致谢

作者感谢SEER数据库提供的数据支持。