基于SHAP可解释性的多模型预测框架用于坏疽性胆囊炎术前风险预测

《BMC Medical Informatics and Decision Making》：Development of a multimodel predictive framework for gangrenous cholecystitis with SHAP-based interpretability

　　

背景：坏疽性胆囊炎（Gangrenous Cholecystitis, GC）是急性胆囊炎的一种严重病理类型，易导致胆囊壁坏死或穿孔，进而引发局部或弥漫性腹膜炎，并具有较高的发病率和死亡率。由于其临床症状缺乏特异性且表现高度异质，术前及时准确地识别GC仍是一项临床挑战。为满足这一未解决的临床需求，研究人员利用常规可获得的术前变量开发了一种可解释的机器学习（Machine Learning, ML）模型，以促进GC的早期预测并支持临床决策。

方法：本研究为回顾性队列研究，纳入2020年2月至2023年7月在某医院接受腹腔镜胆囊切除术的487例急性胆囊炎患者。经过初步单因素分析和逻辑回归后，构建了九种机器学习模型，包括逻辑回归（Logistic Regression, LR）、随机森林（Random Forest, RF）、XGBoost、LightGBM、支持向量机（Support Vector Machine, SVM）、人工神经网络（Artificial Neural Network, ANN）、K近邻（K-Nearest Neighbor, KNN）、线性判别分析（Linear Discriminant Analysis, LDA）以及Stacking集成模型。采用LASSO回归选择关键的术前预测因子。使用受试者工作特征曲线下面积（Area Under the Receiver Operating Characteristic Curve, AUC）、准确率、F1分数、敏感性、特异性、决策曲线分析（Decision Curve Analysis, DCA）和校准曲线评估模型性能。进行SHAP（SHapley Additive exPlanations）分析以增强模型可解释性。

结果：LASSO回归确定了五个关键的术前预测因子：术前C反应蛋白（preoperative C-reactive protein, pre-CRP）、胆囊直径、胆囊周围渗出、白蛋白（Albumin, ALB）和嗜碱性粒细胞百分比（Basophil percentage, BA）。在所有构建的模型中，XGBoost和RF表现出优越的预测性能，AUC值分别为0.90和0.89。两个模型均展现出稳健的区分能力、良好的校准性能以及在所有决策阈值范围内的显著净临床获益。SHAP分析显示，pre-CRP和胆囊直径是GC最有影响力的预测因子，而BA和ALB与GC发生呈反向或样本依赖性关联。

结论：研究人员开发了一种可解释、无创且高性能的ML框架，利用常规临床变量进行GC术前预测。该框架为辅助外科医生决策和对疑似GC患者进行早期风险分层提供了有价值的临床工具，通过实现及时干预可能改善患者预后。

一、研究背景与问题
坏疽性胆囊炎（Gangrenous Cholecystitis, GC）是急性胆囊炎的严重病理亚型，以进行性缺血、坏死甚至穿孔为特征，常伴有全身炎症反应综合征或脓毒症，病情进展迅速、预后差。GC约占急性胆囊炎的10%–40%，但术前诊断率低于10%，多数依赖术中或术后病理确诊。这种诊断延迟不仅丧失最佳治疗时机，还增加手术难度和术后并发症风险。目前临床预测多依赖传统多因素逻辑回归模型，其处理高维非线性特征交互的能力有限，在类别不平衡或特征分布偏斜的真实数据中稳定性和泛化性不足。此外，部分指标在不同人群中表现差异显著，进一步影响模型可靠性。同时，高性能机器学习模型常牺牲可解释性，临床医生难以理解和信任，限制了实际应用。因此，亟需建立兼顾预测性能与可解释性的术前预测工具。

二、研究内容与意义
研究人员利用上海交通大学医学院附属同仁医院肝胆外科2020年2月至2023年7月接受胆囊切除术的487例患者数据（其中GC 94例，非GC 393例），构建了九种机器学习模型，包括逻辑回归、随机森林、XGBoost、LightGBM、支持向量机、人工神经网络、K近邻、线性判别分析及Stacking集成模型。通过LASSO回归筛选关键术前预测因子，并采用SHAP方法增强模型可解释性。最终开发出基于常规临床变量的无创、可解释、高性能的GC术前预测框架。该框架有助于外科医生进行早期风险分层和及时干预，可能改善患者预后，具有重要临床应用价值。

三、主要技术方法
本研究为单中心回顾性队列研究，样本来源于上海交通大学医学院附属同仁医院。研究纳入2020年2月至2023年7月接受胆囊切除术的487例急性胆囊炎患者，其中94例经病理确诊为GC。数据包括术前临床特征、实验室检查、影像评估、手术记录及术后病理。预处理时剔除缺失率>20%的变量，连续变量采用多重插补和Z-score标准化。初步筛选采用独立样本t检验和单因素逻辑回归；随后使用LASSO回归进行特征压缩与选择。构建九种分类模型，采用网格搜索结合5折交叉验证优化超参数，训练集与测试集按80:20划分。模型性能以准确率、F1分数、召回率、AUC、校准曲线和决策曲线分析（DCA）评估。对表现最优的XGBoost和随机森林使用TreeExplainer进行SHAP分析以量化特征贡献。

四、研究结果
（一）基线特征
研究人员对GC与非GC组患者术前临床特征进行t检验，发现GC组术前C反应蛋白（pre-CRP）水平显著升高（151.73±100.54 mg/L vs. 57.82±76.42 mg/L，P<0.001），胆囊直径显著增大（5.73±1.59 cm vs. 4.57±1.20 cm，P<0.001），胆囊周围渗出比例显著增高（0.80±0.40 vs. 0.38±0.49，P<0.001），血清白蛋白（ALB）水平较低（42.58±10.17 g/L vs. 46.54±9.92 g/L，P=0.057），嗜碱性粒细胞百分比（BA）明显降低。此外，γ-谷氨酰转移酶（γGT）、凝血酶原时间国际标准化比值（PT-INR）、活化部分凝血活酶时间（APTT）等指标也存在差异，提示GC的系统性影响。

（二）基于LASSO回归的特征选择
LASSO回归识别出五个非零系数的关键预测变量：胆囊直径、术前CRP、胆囊周围渗出、ALB和BA。其中胆囊直径、pre-CRP和渗出具有正系数，与GC风险呈正向关联；ALB和BA贡献也较显著，但BA为负系数。其他早期显著变量如PT-INR、血糖、ALP、APTT等因惩罚后系数趋近于零而未被纳入，表明其独立预测贡献有限。

（三）基于LASSO所选变量的逻辑回归建模
研究人员基于LASSO选出的五个变量构建了多因素逻辑回归模型并绘制列线图。列线图显示pre-CRP升高、胆囊直径增大、存在渗出会显著增加总分，对应更高的GC概率。该模型在独立测试集上的AUC为0.84，准确率84.35%，精确率82.66%，召回率84.35%，F1分数为0.82，表明其可用于术前风险分层。

（四）多模型预测性能比较
在九种模型中，XGBoost和随机森林在多数指标上优于其他模型，AUC分别达到0.90和0.89。LightGBM（AUC=0.88）也表现良好，而KNN、LDA、SVM、ANN等传统或浅层模型在敏感性、F1分数方面表现较差。DCA显示XGBoost、RF和Stacking在广泛阈值区间净获益最高，校准曲线也最接近理想对角线，提示其概率预测可靠。

（五）使用DeLong检验对模型性能进行两两统计比较
DeLong检验结果表明，XGBoost与RF的AUC显著高于KNN、SVM、ANN和LDA（|Z|>2.0）。虽然RF和XGBoost的AUC相同，但RF在准确率和特异性上略稳定，适合避免误诊的场景；XGBoost在召回率和F1分数上略优，适合优先筛查的场景。

（六）SHAP可解释性分析
对XGBoost和RF进行SHAP分析。CRP和胆囊直径是最重要的正向预测因子；渗出作为影像学特征也一致增加风险；ALB多为负向关联，提示低白蛋白与GC风险相关；BA表现出双向或负向影响，可能存在交互作用。RF模型的SHAP结果类似，进一步确认了关键特征。

（七）模型评估策略
研究严格遵循训练集上进行特征选择与模型训练、测试集独立验证的流程。所有性能指标均在独立内部测试集上计算，训练集仅用于建模和调参，未使用重采样数据评估最终性能。

五、讨论总结
研究人员将所建模型与已有研究对比，指出本研究综合了影像、炎症、营养和免疫指标，系统比较了多种机器学习模型，并评估了校准度和临床决策曲线，优于仅依赖影像或仅用传统逻辑回归的既有模型。模型识别的关键变量与GC病理生理机制一致，增强了可信度。该模型可用于急诊外科高危筛查，帮助避免胆囊穿孔、腹腔感染和脓毒症等严重并发症；RF模型因特异性较高，适合择期手术患者的风险分层以避免过度治疗。研究局限性包括单中心回顾性设计、样本量有限、GC病例数少，可能存在选择偏倚和过拟合；当前仅完成内部验证，未来需要更大规模的多中心前瞻性队列进行外部验证。

六、研究结论翻译
研究人员利用常规临床变量开发了一种可解释、无创且高性能的机器学习框架，用于术前预测坏疽性胆囊炎。该框架为辅助外科医生决策和早期风险分层提供了有价值的临床工具，通过实现及时干预可能改善疑似GC患者的预后。