基于机器学习的可解释性模型预测肝内胆管癌远处转移风险：一项基于人群的队列研究

本研究通过SEER数据库构建了首个基于机器学习（ML）的肝内胆管癌（ICC）远处转移（DM）预测模型，采用LASSO回归、Boruta算法和递归特征消除（RFE）筛选关键变量，开发了8种ML算法。梯度提升机（GBM）模型表现最优（AUC=0.802），SHAP分析揭示手术、N分期、肿瘤分级等10项核心预测因子，并开发了在线计算器（https://bijinzhe.shinyapps.io/icc_dm_shiny/），为临床个性化诊疗提供决策支持。

　　

背景
肝内胆管癌（ICC）作为第二常见的原发性肝癌，具有高度侵袭性和不良预后，其中远处转移（DM）患者中位生存期仅12.9个月。由于缺乏早期诊断标志物，约40%患者确诊时已发生DM。本研究利用SEER数据库（2004-2021年）8536例ICC患者数据（DM占比33%），旨在开发可解释的机器学习（ML）预测模型。

方法
通过三种特征选择方法交叉验证：

1. LASSO回归：筛选年龄、T分期（T_1-4
   ）、N分期（N_0-1
   ）等10项变量；
2. Boruta算法：识别手术、放疗等12项关键因子；
3. 递归特征消除（RFE）：以随机森林（RF）为基模型确定最优特征集。

采用SMOTE技术解决数据不平衡问题，构建8种ML模型（包括逻辑回归LR、支持向量机SVM、梯度提升机GBM等），通过10轮10折交叉验证优化超参数。模型性能以AUC、AUPRC、Brier评分等评估，并利用SHAP（SHapley Additive exPlanations）进行特征重要性解析。

结果

1. 模型性能：GBM模型在验证集表现最佳，AUC达0.802（训练集0.905），AUPRC为0.571，Brier评分最低（0.177），校准曲线与决策曲线（DCA）显示优异临床适用性。
2. 关键预测因子：SHAP全局分析显示，手术（肝切除/移植）是最强保护因素（SHAP值↓），而N₁
   分期、高肿瘤分级（G_3-4
   ）、大肿瘤尺寸（>7 cm）显著增加DM风险。
3. 亚组解析：非手术患者中，T₄
   期和年龄>70岁贡献度最高；肝移植组则显示更低的特征贡献波动。

讨论

1. 临床意义：GBM模型较传统逻辑回归更能捕捉非线性关系，如放疗通过抑制血管生成降低DM风险（SHAP值↓），而化疗可能通过外泌体途径促进转移（SHAP值↑），与既往研究吻合。
2. 创新性：首次整合多模态特征选择方法，并开发可视化在线工具（https://bijinzhe.shinyapps.io/icc_dm_shiny/），支持实时风险评估。
3. 局限性：SEER数据库缺乏生化标志物（如CA19-9）和分子特征数据，未来需结合影像组学或液体活检优化模型。

结论
本研究建立的GBM模型为ICC患者DM风险提供了高精度、可解释的预测框架，有助于早期识别高危患者并指导个体化干预，最终改善预后。