致主编

Mao及其同事关于促性腺激素剂量个性化定制的机器学习文章引起了我的关注。尽管作者们触及了一个重要的临床问题，但我希望指出其方法和结果中的三个关键问题 [1]。首先，宣称该框架提供了"具有临床可操作性的决策支持"为时尚早。该模型基于单中心回顾性队列，存在显著的选择偏倚；取卵前取消的周期（n = 22）和未回收卵母细胞的周期（n = 38）被排除在外——而这恰恰是最需要从个性化剂量获益的人群。更根本的是，优化目标是卵母细胞产量——一种替代终点——而非以患者为中心的结局指标，如累积活产率。原始研究报告的活产率为38.2%，但并未针对该指标进行优化，且该框架既未考虑胚胎质量、着床潜力，也未考虑新生儿长期安全性。尽管他们承认"前瞻性验证"是必要的，但作者们仍宣称该模型已具备临床应用条件。根据现行指南，TRIPOD + AI等报告标准是"先决条件而非完善措施" [2]，且人工智能技术在临床转化之前必须经过不同人群中的严格外部验证。在缺乏此类验证的情况下，宣称具有临床可操作性是不成立的 [3]。

其次，该优化框架使用了一个任意的公式：评分 = 卵母细胞产量 ? 5.0 × OHSS概率，其中λ = 5.0既无生物学依据也无临床依据。该比率将1%的OHSS增加等同于放弃五个卵母细胞，其论证方式为循环推理：作者用自定的阈值（OHSS风险 < 5%，卵母细胞产量 ≥ 10）来定义"最优"，然后以此来验证其参数选择——这是一种事后自我辩护，而非真正的优化。至关重要的是，没有敏感性分析表明在将λ从1变化到20时，剂量推荐在低反应、正常反应和高反应亚组中的变化情况。最令人担忧的是，用于中重度OHSS的随机森林分类器的AUC仅为0.597——仅略高于随机猜测（0.5），在临床上通常被认为属于"较差"或"无信息量"的水平。在770个周期中仅有11个阳性事件（1.4%），模型严重效力不足，作者本人也承认无法进行正式校准。从一个预测卵母细胞产量中减去5.0倍一个本质上随机的概率估计值的复合评分，在数学和临床上都是站不住脚的：0.597的AUC使任何有意义的安全性权衡都无法实现，使得该优化框架在任意λ值下都从根本上无效。基于算法的方法已显示出差异化的治疗优势，但对于如何在剂量算法中适当平衡安全性与有效性尚无共识 [4]。

第三，基于SHAP的特征重要性分析存在方法学问题。近期的批评指出了"Shapley值在可解释性方面的缺陷"，表明特征排名可能反映的是模型噪声而非生物学信号，且缺乏真实性验证 [5]。"基础LH排名前几位贡献变量"这一发现恰好说明了这一点：研究队列中基础LH的有限范围（1.1–19.0 IU/L，均值5.1）意味着任何表观的"重要性"可能更多是由模型噪声、过拟合或虚假相关驱动的，而非真正的生物学信号。此外，原始作者未进行基于排列的稳健性检验或Bootstrap重采样以确认SHAP排名的可重复性，也未报告SHAP值在各交叉验证折之间的方差以证明其稳定性。我建议读者不要将此框架视为一个临床实用工具，而应将其视为一个探索性的概念验证。在能够支持精准医学的宣称之前，必须基于活产等重要终点进行前瞻性、多中心验证。