肝细胞癌1年生存预后建模:类别平衡下机器学习方法的比较评估

《Diseases》:Prognostic Modeling of 1-Year Survival in Hepatocellular Carcinoma: A Comparative Evaluation of Machine Learning Methods with Class Balancing

【字体: 大 中 小 】 时间:2026年10月14日 来源:Diseases 3.7

编辑推荐:

  目的:开发并比较评估用于预测肝细胞癌(hepatocellular carcinoma, HCC)患者1年生存的机器学习模型,重点关注与欧洲肝脏研究学会(EASL)2018年临床实践指南相一致的慢性肝病与糖尿病之间的预后交互作用,并评估通过合成少数类过采样技术

  
目的:开发并比较评估用于预测肝细胞癌(hepatocellular carcinoma, HCC)患者1年生存的机器学习模型,重点关注与欧洲肝脏研究学会(EASL)2018年临床实践指南相一致的慢性肝病与糖尿病之间的预后交互作用,并评估通过合成少数类过采样技术(Synthetic Minority Oversampling Technique, SMOTE)进行类别平衡对模型性能的影响。方法:对UCI HCC生存数据集(N = 165)进行回顾性分析。在采用中位数/众数对约10%缺失值进行插补后,评估了四种分类器:逻辑回归(Logistic Regression, LR)、多层感知器(Multilayer Perceptron, MLP)、梯度提升(Gradient Boosting, GB)和随机森林(Random Forest, RF),每种分别在有无SMOTE过采样下训练(共八种变体)。模型基于16个符合EASL指南的临床和生化特征,采用分层80/20训练/测试分割(训练N = 132,留出测试N = 33)。通过准确度、AUC-ROC(基于1000次迭代的95%引导置信区间)、精确率、召回率和宏F1分数评估性能。进行了分层5折交叉验证和多种插补敏感性分析(MissForest、KNN、MICE、完整病例)。将SHAP(SHapley Additive exPlanations)应用于表现最佳的模型,以提供患者水平的可解释性。结果:糖尿病患者占33.9%(56/165;28/102名幸存者[27.5%] vs. 28/63名非幸存者[44.4%])。在单变量分析中,糖尿病与1年死亡率显著相关(χ2 = 5.02,p = 0.025),但在多变量调整后不再显著(aOR = 0.50,95% CI: 0.21–1.22,p = 0.129)。GB + SMOTE获得了最高的判别能力(AUC-ROC: 0.727,95% CI: 0.552–0.886),而LR + SMOTE获得了最高的总体准确度(72.7%)和宏F1分数(0.723)。未使用SMOTE时,所有模型对少数类的检测均较差(非生存F1范围:0.300–0.615)。SMOTE显著提高了非生存召回率:LR从0.231提高至0.769,GB从61.5%提高至69.2%。训练集上的分层5折交叉验证AUC以RF最高(0.779 ± 0.100),其次为GB(0.744 ± 0.065)。TreeSHAP分析确定ECOG体能状态(平均|SHAP| = 1.284)和ALT(1.060)是最有影响的预测因子;糖尿病排名第15位(平均|SHAP| = 0.014),与最小的独立预测贡献一致。结论:梯度提升和正则化线性回归结合SMOTE类别平衡,可在小型不平衡的表格型HCC数据集上提供有竞争力、校准良好且透明的风险分层,为个性化预后建模提供了探索性概念验证,需进行外部验证。
研究背景:肝细胞癌(hepatocellular carcinoma, HCC)是全球第五大常见恶性肿瘤,也是癌症相关死亡的第二大原因,约占原发性肝癌的90%。慢性肝病(如肝硬化、慢性病毒性肝炎、代谢功能障碍相关脂肪性肝炎)和2型糖尿病是HCC发生发展的重要背景。尽管外科切除、肝移植和局部治疗不断进步,HCC的5年总生存率仍低于30%,主要归因于晚期诊断和基础肝功能失代偿。欧洲肝脏研究学会(EASL)和美国肝病研究学会(AASLD)指南强调代谢危险因素对慢性肝病的叠加预后影响,并推荐风险分层管理。传统分期系统如巴塞罗那临床肝癌(BCLC)分期、Child-Pugh及ALBI评分等,结合肿瘤负荷、肝脏合成储备和体能状态,但预后准确度中等(AUC 0.70–0.80),且无法捕捉肝酶、系统性炎症和代谢合并症之间的非线性交互。机器学习方法有望改进肿瘤预后分层,但小样本表格型临床数据中的类别不平衡问题(幸存者多于非幸存者)会导致分类器偏向多数类,对高风险患者产生高假阴性率。合成少数类过采样技术(SMOTE)可缓解此问题,但不同模型体系(线性分类器、神经网络、树集成)对SMOTE的系统性比较仍缺乏。

研究人员基于UCI HCC生存数据集(N=165,葡萄牙大学医院2008–2014年)进行回顾性分析,选取16个符合EASL指南的临床和生化特征,构建逻辑回归(LR)、多层感知器(MLP)、梯度提升(GB)和随机森林(RF)四种分类器,每种分别有/无SMOTE,形成八种变体。采用分层80/20训练/测试分割(训练N=132,测试N=33),以准确度、AUC-ROC(1000次bootstrap 95%置信区间)、精确率、召回率、宏F1和Brier评分评估性能;另进行分层5折交叉验证及多种缺失值插补敏感性分析(MissForest、KNN、MICE、完整病例)。对最佳模型应用SHAP(SHapley Additive exPlanations)提供患者水平解释。结果显示:GB+SMOTE获得最高判别能力(AUC-ROC 0.727,95%CI 0.552–0.886),LR+SMOTE获得最高准确度(72.7%)和宏F1(0.723)。无SMOTE时所有模型对少数类(非幸存者)检测差(非生存F1 0.300–0.615);SMOTE显著将LR非生存召回率从0.231提升至0.769,GB从61.5%提升至69.2%。MLP未优于树集成或线性模型。分层5折交叉验证AUC以RF最高(0.779±0.100),GB其次(0.744±0.065),MLP最低(0.658±0.088)。TreeSHAP显示ECOG体能状态(平均|SHAP|=1.284)和ALT(1.060)是最有影响预测因子;糖尿病排名第15位(平均|SHAP|=0.014),与多变量调整结果一致。

主要技术方法:研究人员使用UCI HCC存活数据集(N=165,葡萄牙大学医院2008–2014年);以中位数/众数插补约10%缺失值;选取16个EASL指南相关特征;构建LR、MLP、GB、RF四种模型,并分别结合SMOTE形成八种变体;采用分层80/20分割训练/测试及分层5折交叉验证;评估指标包括准确度、AUC-ROC(1000次bootstrap 95%CI)、精确率、召回率、宏F1和Brier评分;敏感性分析中比较MissForest、KNN、MICE和完整病例插补;使用TreeSHAP进行患者水平可解释性分析。

研究结果:

3.1 基线队列人口统计学与临床特征:队列平均年龄67.0±11.2岁,男性占70.3%,肝硬化占90.3%,糖尿病占33.9%(非幸存者44.4% vs 幸存者27.5%)。单变量分析中糖尿病与1年死亡率相关(χ2=5.02,p=0.025);白蛋白和血小板计数高与生存相关,ECOG PS≥1和腹水与死亡相关。

3.2 相关结构与临床标志物关联:特征间相关性弱至中等(|r|≤0.66),最强为酒精滥用与AFP(r=0.66)及体能状态与腹水(r=0.47),提示有限的多重共线性。

3.3 多变量逻辑回归分析:校正后血红蛋白(aOR=1.33,p=0.014)独立保护生存;log-AST(aOR=0.23,p=0.006)和log-AFP(aOR=0.79,p=0.001)独立降低生存几率;糖尿病校正后不显著(aOR=0.50,95%CI 0.21–1.22,p=0.129)。

3.4 AST与糖尿病交互作用亚组分析:四组(按生存和糖尿病状态分层)的AST中位数相近(约94–96 U/L),未显示明显交互作用。

3.5 深度学习训练动态:MLP在50轮训练中训练损失从0.69降至0.42,验证损失约在35轮后平台于0.51,触发早停以限制过拟合。

3.6 分类器性能比较与SMOTE影响:GB+SMOTE的AUC最高(0.727),LR+SMOTE准确度最高(72.7%)和宏F1最高(0.723)。DeLong检验显示GB+SMOTE与LR+SMOTE(p=0.779)、RF(p=0.660)、基线GB(p=0.562)差异无统计学意义。SMOTE大幅降低假阴性率;MLP未从SMOTE获益(AUC不变为0.673)。

3.7 模型校准与可靠性分析:GB+SMOTE的Brier评分最低(0.182),校准曲线显示其概率预测最准确;但测试集小(N=33),校准估计需谨慎解读。

3.8 基于TreeSHAP的患者水平模型可解释性:ECOG体能状态和ALT对生存对数几率影响最强;糖尿病在16个特征中排名第15,解释其单变量相关在调整后消失。

3.9 缺失数据插补策略的敏感性分析:GB+SMOTE的AUC在不同插补方法间保持稳定(0.718–0.735),LR+SMOTE非生存召回率75.0–76.9%,表明结果对插补策略稳健。

讨论总结:该研究表明在小型表格型临床数据上,树集成(GB、RF)和正则化线性回归优于MLP,与理论基准一致。SMOTE仅在训练分区内应用,可将非幸存者检出率从23.1%提升至76.9%(LR)或69.2%(GB),同时保持最佳校准(Brier 0.182)。糖尿病虽然与死亡有单变量关联,但调整后无独立预测作用,可能因为其预后信号被肝细胞损伤标志物、AFP和血红蛋白等捕获。局限性包括单中心小样本、测试集导致置信区间宽、终点为二分类而非时间-事件数据、仅单次基线协变量、仅16个特征、治疗方案异质以及每变量约4个事件导致调整估计精度受限。未来方向包括外部多中心验证、随机生存森林和DeepSurv、多视图深度学习整合影像组学和基因组、以及将SHAP实时嵌入电子病历。

结论:在单中心队列中,梯度提升和正则化逻辑回归结合SMOTE类别平衡对肝细胞癌1年生存预测具有相当的判别能力(AUC 0.73和0.71;DeLong p=0.779),SMOTE显著提高非幸存者检出。MLP在此小型表格数据集上无优势。SHAP提供透明、患者水平的预测解释;糖尿病在调整后并非独立预测因子。该框架是探索性概念验证,必须经外部多中心验证后方可临床应用。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号