基于机器学习的局部晚期头颈部鳞状细胞癌跨治疗模式总生存期预测模型的开发与验证

《Scientific Reports》：Development of a clinical prediction model for overall survival in locally advanced head and neck squamous cell carcinoma

　　

摘要

本研究旨在开发并验证一种基于机器学习的总生存期（OS）预测模型，用于局部晚期头颈部鳞状细胞癌（LA-HNSCC），该模型将基于手术的治疗队列与放化疗（CRT）队列整合在单一框架内。共回顾性收集了1,005例接受以治愈为目的的手术治疗或放化疗的LA-HNSCC患者，数据来源包括国内多中心队列（n = 678）以及癌症影像档案（The Cancer Imaging Archive）中公开可用的数据集（n = 327）。候选预测因子从常规可获取的临床变量中预先设定。采用10折交叉验证的弹性网正则化方法进行变量筛选和加权，随后建立多变量Cox比例风险模型。弹性网共筛选出12个变量，其中p16状态、体能状态、淋巴结分期、血清白蛋白、T分期和年龄的影响最为显著。该模型表现出良好的区分度（C指数0.73），1至5年时的时间依赖性AUC值为0.78–0.73，且在1年和3年时具有较好的校准度。决策曲线分析证实该模型在两个队列中具有临床实用性。通过依赖手术治疗和放化疗共有的预后因素，该可解释模型表现出稳定的性能，可为LA-HNSCC中跨治疗方式的预后风险分层提供支持。