基于机器学习模型的鼻咽癌生存预测研究：利用SEER数据库开发个体化预后工具

《Hormones & Cancer》：Development of machine learning models for survival prediction in nasopharyngeal carcinoma using population-based data

本研究针对鼻咽癌(NPC)预后评估不精确的临床难题，开发了基于SEER数据库的机器学习生存预测模型。研究团队比较了11种生存算法，发现随机生存森林(RSF)模型在预测3年/5年总生存(OS)方面表现最优(C-index达0.73-0.75)，显著优于传统TNM分期。同时构建的列线图和在线计算器(https://bio.wencode.shop/npctool/)为临床提供了实用的个体化预后评估工具，推动了鼻咽癌精准医疗的发展。

　　

鼻咽癌作为一种起源于鼻咽部黏膜上皮的恶性肿瘤，在全球范围内尤其是东亚地区持续构成重大健康威胁。尽管近年来治疗手段不断进步，但鼻咽癌的早期诊断困难、晚期患者预后差等问题依然突出。据统计，到2040年全球鼻咽癌新发病例预计将达到179,476例，较2020年增长约34.58%，而死亡病例预计增长42.29%。更令人担忧的是，早期发病的鼻咽癌在北美地区呈现年均2.28%的增长趋势，且约4-10%的患者在初诊时已发生转移。即使接受标准放化疗，晚期鼻咽癌患者的5年生存率也仅为19.2%，这凸显了开发更精准预后评估工具的紧迫性。

传统预后评估方法主要依赖TNM分期系统，但其在捕捉疾病动态进展和个体差异方面存在局限。特别是对于局部晚期鼻咽癌患者，传统分期难以准确预测远处转移风险，导致临床决策支持不足。既往研究多受限于样本量小、单中心数据等問題，如Toumi等人的研究仅纳入112例转移性鼻咽癌患者，难以建立稳健的预测模型。随着人工智能技术的发展，机器学习为解决这些挑战提供了新思路，其在宫颈癌、卵巢癌和肺癌等领域的成功应用，为鼻咽癌预后预测模型的创新奠定了基础。

为应对这一挑战，Lin等研究人员开展了一项基于大规模人群数据的机器学习模型开发研究，旨在建立更精准的鼻咽癌生存预测工具。该研究利用美国监测、流行病学和最终结果(SEER)数据库，纳及2000-2020年间确诊的9,816例鼻咽癌患者数据，系统比较了不同治疗模式的疗效差异，并开发了多种机器学习预测模型。研究发现同步放化疗(RT+CT)相比单独放疗或化疗能显著改善局部晚期和晚期鼻咽癌患者的生存，其中放化疗联合手术进一步提高了生存获益。基于多变量Cox回归构建的列线图在预测1年、3年和5年总生存(OS)和癌症特异性生存(CSS)方面表现出色，C-index达到0.71，显著优于传统临床分期系统。

在模型比较中，随机生存森林(RSF)算法表现最佳，其预测3年OS的C-index为0.73，5年OS的C-index为0.75。基于这一最优模型，研究团队开发了在线生存概率计算器，整合了最新第9版AJCC/UICC TNM分期系统，为临床医生和研究人员提供实时、个体化的生存预测服务。该工具不仅能够生成患者特定的生存曲线，还支持不同临床场景的比较和风险因素分析功能，显著提升了鼻咽癌预后评估的精确性和实用性。

本研究采用的关键技术方法包括：利用SEER数据库获取2000-2020年间9,816例鼻咽癌患者的流行病学数据；通过多变量Cox回归分析和Kaplan-Meier曲线评估预后因素；采用五种交叉验证方法比较11种机器学习算法（包括Cox回归、随机生存森林、条件生存森林等）的性能；使用一致性指数(C-index)和综合Brier评分(IBS)评估模型预测准确性；基于最优模型开发交互式网络计算器实现临床转化应用。

治疗模式比较分析

通过对比不同治疗策略的疗效，研究发现同步放化疗显著改善鼻咽癌患者的总生存和癌症特异性生存。在整体队列中，与单独化疗相比，放化疗使死亡风险降低40%（OS的HR=1.66，95%CI 1.48-1.87），与单独放疗相比风险降低23%（OS的HR=1.30，95%CI 1.18-1.44）。特别值得注意的是，放化疗联合手术可进一步改善预后，其OS的HR=0.87（95%CI 0.76-0.98）。分层分析显示，在局部晚期和晚期患者中，放化疗的优势更为明显，而在早期患者中不同治疗策略间无显著差异。

预后列线图开发与验证

基于多变量Cox回归确定的独立预后因素，研究构建了预测1年、3年和5年OS和CSS的列线图。该模型整合了年龄、性别、婚姻状况、组织学类型、肿瘤大小和临床分期等关键变量，在训练队列中的C-index为0.71（95%CI 0.70-0.72），显著优于传统临床分期系统（C-index=0.61）。内部验证显示列线图具有良好稳定性（C-index=0.72）。根据风险评分将患者分为低、中、高风险组，5年OS率分别为59.7%、45.9%和26.7%，显示出卓越的风险分层能力。

机器学习模型性能比较

研究系统比较了11种生存预测算法的性能。随机生存森林(RSF)和条件生存随机森林(SCRF)在长期生存预测方面表现最优，C-index均达到0.75。在预测误差分析中，所有模型均优于生存条件推断树(SCIT)模型，其中SRF和SCRF模型的预测误差最低。值得注意的是，虽然RSF模型计算时间较长（平均训练时间20.72秒），但其预测准确性最高，为临床应用提供了最佳平衡点。

在线预测工具开发

基于最优RSF算法，研究团队开发了交互式网络计算器，整合了第9版TNM分期系统。该工具支持患者临床特征输入、生存曲线生成、不同治疗方案比较和风险因素分析等功能，实现了个体化生存预测的临床转化应用。

本研究通过大规模人群数据验证了机器学习在鼻咽癌预后预测中的优越性。与传统方法相比，机器学习模型能更好地捕捉非线性关系和复杂交互作用，提供更精准的个体化预后评估。特别值得注意的是，随机生存森林模型在预测长期生存方面的卓越表现，为临床决策提供了可靠工具。然而，研究也存在一定局限性，如SEER数据库缺乏EB病毒DNA等分子标志物信息，且模型仍需在 endemic地区人群中进行外部验证。未来研究应整合多组学数据和实时监测指标，进一步提升预测模型的准确性和临床适用性。

该研究的创新之处在于首次系统比较了多种生存机器学习算法在鼻咽癌预后预测中的应用，并开发了用户友好的在线计算工具。这不仅推动了鼻咽癌精准医疗的发展，也为其他癌症的预后模型研究提供了重要参考。随着人工智能技术的不断进步和更多临床数据的积累，这类预测模型有望在优化治疗决策、改善患者预后方面发挥越来越重要的作用。