机器学习模型探索晚期肝内胆管癌化疗患者的预后与死因：一项基于SEER数据库的多中心研究

本期推荐：晚期肝内胆管癌(ICC)化疗患者的生存困境如何破解？中国研究人员通过SEER数据库大样本分析，结合7种机器学习模型，首次揭示化疗可降低30%胆管癌相关死亡率且不增加心血管疾病风险，随机森林(RF)模型以C-index 0.700成为最佳预测工具，为个体化治疗提供AI决策支持。

　　

肝内胆管癌(ICC)作为原发性肝脏恶性肿瘤的"隐形杀手"，占所有肝脏恶性肿瘤的10%-20%，其恶性程度高、预后差的特点一直困扰着临床医生。尽管手术切除是ICC患者获得长期生存的标准治疗，但高达70%的患者在确诊时已进展至晚期，失去了手术机会。化疗(CT)作为晚期ICC的主要治疗手段，虽然能延长患者生存期，但关于其是否增加心血管疾病(CVD)和继发恶性肿瘤(SMN)等非肿瘤相关死亡风险，学界始终存在争议。更棘手的是，临床缺乏精准的预后预测工具来指导个体化治疗决策。这些未解之谜促使中国研究人员开展了一项突破性研究，相关成果发表在《Discover Oncology》杂志。

研究团队从美国SEER-17数据库中筛选出2000-2020年间5564例III-IV期ICC患者（化疗组3632例，非化疗组1932例），采用逆概率处理加权(IPTW)平衡基线差异后，创新性地整合7种机器学习模型（COX回归、Xg-boost、随机森林(RF)、支持向量机(SVM)、梯度提升机(GBM)、Lasso和决策树(DT)），通过C-index、Brier评分和ROC曲线等指标评估预测效能，并利用SurvSHAP算法解析关键预后因素。

研究结果显示，化疗组在IPTW前后均展现出显著生存优势：中位总生存期(mOS)从0.17年延长至0.75年（HR 0.385），且0.5年、1年和3年的胆管癌相关死亡(CRD)累积发生率分别降低29%、17%和0%（P<0.001）。更重要的是，化疗并未增加CVD死亡风险（P=0.4），但SMN相关死亡率显著降低（3年20% vs 24%）。在7种机器学习模型中，RF模型表现出最优预测性能（C-index 0.700），其时间依赖性特征重要性分析揭示：化疗是影响短期（0.5-1年）生存的最强因素（SHAP值0.32），而肿瘤大小（≥5cm）和男性性别则是3年生存的主要负向预测因子。

这项研究首次通过大样本数据证实，化疗可显著改善晚期ICC患者生存且不增加非肿瘤相关死亡风险，解决了长期存在的临床争议。更值得关注的是，研究团队构建的RF预测模型整合了化疗方案、放疗、肿瘤特征和转移状态等多维参数，为临床医生提供了可靠的AI决策工具。该模型的临床应用将有助于识别高风险患者、优化治疗策略，最终推动ICC治疗进入精准医学时代。研究采用的机器学习方法也为其他恶性肿瘤预后研究提供了可借鉴的技术路线。未来研究可进一步纳入靶向治疗和免疫治疗等新型治疗手段数据，使预测模型更符合现代肿瘤治疗实践。