编辑推荐：
结直肠癌肝转移（CRLM）严重影响患者预后，现有检测手段存在局限。研究人员开展基于机器学习（ML）的 CRLM 风险预测模型研究，用常规临床数据构建 CRLM-Lab6 模型，预测性能佳，为早期诊断和治疗提供新途径。
在癌症的世界里，结直肠癌（Colorectal Cancer，CRC）是一位不容小觑的 “狠角色”。它在全球范围内，发病率位列第三，死亡率也高居第二，并且这两个数字还在逐年攀升。对于 CRC 患者来说，一个可怕的 “噩梦” 就是癌细胞转移到肝脏，也就是结直肠癌肝转移（Colorectal Liver Metastasis，CRLM）。大约 30 - 40% 的 CRC 患者在确诊时就已经出现了转移，而肝脏是最常见的转移部位，约 12.8% 的 CRC 患者会在确诊五年内发生 CRLM，这严重影响了治疗效果，导致患者死亡率居高不下。
目前的诊断方法存在不少问题。像 CT、MRI 这些先进的成像技术，面对较小的转移病灶时，诊断准确性大打折扣。而传统的肿瘤标志物，比如癌胚抗原（Carcinoembryonic Antigen，CEA）和糖类抗原 199（Carbohydrate Antigen 199，CA199），在检测 CRLM 时，灵敏度和特异性也不尽如人意。所以，寻找新的方法和标记物来实现 CRLM 的早期诊断，成了医学领域亟待解决的难题。
在这样的背景下，中南大学湘雅医院的研究人员挺身而出，开展了一项极具意义的研究。他们试图通过机器学习（Machine Learning，ML）算法，结合常规的临床数据，构建一个能精准预测 CRLM 发生风险的模型。这项研究成果发表在《Clinical and Experimental Medicine》上，为 CRLM 的诊疗带来了新的希望。
研究人员为了构建预测模型，用到了几个关键技术方法。首先，他们从医院的实验室信息系统（Laboratory Information System，LIS）和电子病历（Electronic Medical Record，EMR）系统收集数据，这些数据来自 865 名 CRC 患者，其中 533 名没有发生肝转移（non - CRLM），332 名发生了肝转移（CRLM） 。然后，运用最小绝对收缩和选择算子（Least Absolute Shrinkage and Selection Operator，LASSO）回归进行变量筛选，挑选出对模型构建有价值的特征。最后，采用了五种不同的 ML 算法（逻辑回归、线性支持向量分类、随机森林、决策树、支持向量机）来构建模型，并通过多种评估指标，如受试者工作特征曲线（Receiver Operating Characteristic Curve，ROC）、精确召回曲线、决策曲线分析和校准曲线，选出最优模型。
下面我们来详细看看研究结果。
- 基线数据：研究人员对纳入研究的患者临床特征进行了分析，发现 CRLM 患者和 non - CRLM 患者在年龄、性别、部分血液指标等方面没有显著差异，但 CRLM 患者在肝功能指标（如总胆红素（Total Bilirubin，TBIL）、直接胆红素（Direct Bilirubin，DBIL）、总胆汁酸（Total Bile Acids，TBA）、丙氨酸氨基转移酶（Alanine Aminotransferase，ALT）、天冬氨酸氨基转移酶（Aspartate Aminotransferase，AST））以及肿瘤标志物（CEA、CA199）等方面存在明显异常。同时，在平均红细胞体积（Mean Corpuscular Volume，MCV）、甘油三酯（Triglycerides，TG）、白蛋白球蛋白比（Albumin - to - Globulin Ratio，AGR）、乳酸脱氢酶（Lactate Dehydrogenase，LDH）、低密度脂蛋白胆固醇（Low - Density Lipoprotein Cholesterol，LDL - C）、T 分期和淋巴结转移等方面也有显著差异。这些差异为后续的研究提供了重要线索。
- 特征选择：利用 LASSO 回归进行变量筛选，通过十折交叉验证，确定了九个非零系数的特征，分别是 LDH、CA199、ALT、CEA、TBIL、AGR、TG、MCV 和淋巴结转移。这些特征在后续的模型构建中发挥了关键作用。
- 模型构建与评估：研究人员用五种 ML 算法构建模型并比较性能，结果发现随机森林模型表现最为出色。在训练集中，其受试者工作特征曲线下面积（Area Under the Curve，AUC）达到了 1.00 ；在内部验证集中，AUC 为 0.93，灵敏度为 0.82，特异性为 0.90，阳性预测值（Positive Predictive Value，PPV）为 0.83，阴性预测值（Negative Predictive Value，NPV）为 0.88。进一步分析随机森林模型中各变量的重要性，发现 LDH、CA199、ALT、CEA、TBIL、AGR、TG、MCV 和淋巴结转移的重要性依次降低。为了简化模型并保持其预测能力，研究人员选取了前六个最重要的变量（LDH、CA199、ALT、CEA、TBIL 和 AGR），构建了优化后的模型 CRLM - Lab6。在内部验证集中，CRLM - Lab6 模型表现卓越，AUC 达到 0.94，灵敏度为 0.88，特异性为 0.93。精确召回曲线显示该模型性能令人满意，决策曲线分析表明其具有显著的临床实用性，校准曲线也证明了预测概率与实际结果吻合度高。
- 模型验证：研究人员在包含 252 名受试者（160 名 non - CRLM 患者和 92 名 CRLM 患者）的验证队列中进一步评估 CRLM - Lab6 模型的性能。结果显示，该模型能够有效区分 CRLM 患者和 non - CRLM 患者，AUC 达到 0.96，灵敏度为 0.95，特异性为 0.93。这充分证明了 CRLM - Lab6 模型在不同人群中的可靠性。
- 网页计算器：基于 CRLM - Lab6 模型，研究人员开发了一个在线计算器，医生只需输入相关变量，就能预测患者发生 CRLM 的风险。这一工具为临床医生提供了极大的便利，尤其是在医疗资源有限的地区，有助于早期识别 CRLM 患者。
在研究结论和讨论部分，研究人员构建的 CRLM - Lab6 模型具有很高的预测准确性和临床实用性。该模型结合了 LDH、CA199、ALT、CEA、TBIL 和 AGR 这六个常见的临床指标，为临床医生早期诊断 CRLM 提供了有力的帮助，有助于制定个性化的治疗策略。而且，与现有文献中的其他模型相比，该模型使用的是常规的血液检测数据，成本效益更高。不过，这项研究也存在一些局限性。比如，研究采用的是横断面设计，无法确定常规实验室检测数据与肿瘤转移之间的时间关系；作为单中心回顾性研究，可能存在病例选择偏倚；由于技术和资源限制，模型未能与其他临床实践（如影像学数据）相结合进行进一步优化。但这些不足也为后续研究指明了方向。总的来说，这项研究为 CRLM 的早期诊断和治疗开辟了新的道路，具有重要的临床意义，有望在未来改善 CRC 患者的预后，让更多患者受益。
