基于机器学习的鼻咽癌远处转移风险预测框架：面向类别不平衡临床数据的研究

《Indian Journal of Otolaryngology and Head & Neck Surgery》：A Machine Learning-Based Risk Prediction Framework for Distant Metastasis of Nasopharyngeal Carcinoma: A Study for Class-Imbalanced Clinical Data

　　

摘要

远处转移仍然是鼻咽癌治疗失败和预后不良的主要瓶颈。尽管已有报道使用机器学习模型预测鼻咽癌（NPC）的远处转移，但模型性能的可重复性和特征选择的透明度仍不够明确。由于转移事件在临床队列中属于少数结局，看似总体准确率良好的模型仍可能无法识别将发生转移的患者。本研究重新分析了一个已发表的回顾性队列，包含1,845例鼻咽癌患者。采用一种两阶段特征选择策略，结合最小绝对收缩与选择算子（LASSO）回归和基于赤池信息准则（AIC）的后向逐步回归，从原始变量中筛选出11个核心独立预测因子。为应对转移样本稀缺所致的类别不平衡问题，引入合成少数类过采样技术（SMOTE）以稳定训练过程。随后，对七种机器学习算法进行了比较。采用决策曲线分析（DCA）评估临床净收益以选择临床最优模型，同时利用SHAP（SHapley Additive exPlanations）值量化各因素贡献度。经两阶段特征选择优化后，改进的流程在大多数模型中提升了受试者工作特征曲线下面积（AUC）、Brier评分、准确率和特异度，但灵敏度则呈模型依赖性变化。神经网络在识别转移患者方面取得了最高灵敏度，而逻辑回归则提供了更为均衡且可解释的模型，具备良好的特异度、校准度和临床净收益。优化后的逻辑回归和神经网络模型AUC分别为0.83和0.85，而基线模型AUC为0.79。此外，基于逻辑回归模型的SHAP分析识别了驱动远处转移风险的关键变量。本研究构建的复合框架，结合合成少数类过采样技术和双重特征选择，能有效识别鼻咽癌中转移高风险患者。逻辑回归可能提供一种具有临床相关性能的可解释模型，而神经网络可能对以灵敏度为优先的筛查有用。然而，由于没有外部验证队列可用，这些模型的泛化能力和临床适用性仍未经确认，需在独立的多中心队列中进行验证后方可临床应用。