机器学习算法结合血液生化标志物（GGT和ALT）预测乳腺癌风险：一项基于大样本的回顾性研究

本研究针对现有乳腺癌预测模型过度依赖个人信息、缺乏血液生化标志物的局限，由中国广东省中医院团队通过机器学习算法（包括逻辑回归、多层感知机等7种模型）对25,911例患者数据进行分析，首次发现γ-谷氨酰转移酶（GGT）和丙氨酸氨基转移酶（ALT）是乳腺癌发生的独立预测因子，构建的模型AUC达0.862，为亚洲人群乳腺癌早期筛查提供了新型生物标志物组合。

　　

乳腺癌作为女性最常见的恶性肿瘤，在中国每年新增病例高达42万例。尽管现有筛查手段如乳腺X线摄影和超声已广泛应用，但其存在辐射暴露、成本较高等局限性。更棘手的是，当前主流风险评估模型如Gail模型主要基于欧美人群数据，对亚洲女性的预测效能不足，且普遍缺乏可量化的血液指标。这种现状催生了一个关键科学问题：能否通过易获取的血液生化指标，构建更适合亚洲人群的乳腺癌预测模型？

广东省中医院乳腺科联合多学科团队开展了一项突破性研究。研究人员收集了2012-2022年间25,911例患者的临床数据，创新性地将27项指标（包括年龄、BMI等临床特征和GGT、ALT等14项血液指标）输入7种机器学习算法进行挖掘。这项发表在《BMC Cancer》的研究首次揭示：γ-谷氨酰转移酶（GGT）和丙氨酸氨基转移酶（ALT）这两个常规肝功能指标，竟与乳腺癌发生风险存在显著关联。

研究团队采用的关键技术路线包括：1）多中心医院信息系统数据采集与标准化处理（来自广东省中医院）；2）基于Python 3.11的机器学习建模（含逻辑回归前向选择、随机森林特征筛选等）；3）5折分层交叉验证确保模型稳健性；4）校准曲线和Brier评分评估模型性能。特别值得注意的是，研究通过热图分析剔除了体重、胆红素等冗余指标，最终保留21个核心特征。

【数据特征】研究纳入25,911例患者（训练集17,360例，测试集8,551例），基线分析显示乳腺癌患者平均年龄显著更高（52岁 vs 36岁），且GGT中位数水平明显升高（18 U/L vs 14 U/L）。

直观展示了这两个标志物的组间差异。

【模型构建】逻辑回归分析显示，年龄（OR=1.136）、GGT（OR=1.002）和ALT（OR=1.005）是三大独立风险因素。引人注目的是，六种机器学习算法一致将GGT和ALT列为前十重要特征，其中多层感知机模型表现最优（AUC 0.862，准确率84.1%）。

清晰呈现了各算法性能差异。

【机制探讨】研究推测GGT可能通过调节氧化应激影响癌变过程，而ALT的关联机制尚属首次报道。值得注意的是，虽然肥胖是已知风险因素，但BMI在本研究中未显示直接关联，提示血液指标可能更早反映代谢异常。

这项研究的临床价值主要体现在三个方面：首先，GGT和ALT作为常规体检项目，成本低廉且易于推广；其次，建立的预测模型特别适用于亚洲人群，弥补了现有欧美模型的不足；最后，研究证实机器学习能有效挖掘传统统计方法易忽略的复杂关联。不过作者也指出，由于是单中心回顾性研究，未来需要通过多中心前瞻性队列验证模型的普适性。

论文最后展望了三个方向：1）开发整合GGT/ALT的临床风险计算器；2）探索这两个标志物在乳腺癌发生中的生物学机制；3）将模型扩展应用于其他癌症的早期预测。这些工作将为实现"健康中国2030"癌症防治目标提供新的技术支撑。