《Medical Sciences》：Mortality Prediction in Imbalanced Pediatric Oncology Data: A Cost-Sensitive Hybrid Resampling Framework Using Recurrent Deep Learning
编辑推荐：
摘要专业翻译
背景： 严重的类别不平衡问题阻碍了儿科肿瘤学中的死亡率预测，其中临床好转出院人数远多于死亡人数，导致标准模型偏向多数类别。目的： 本研究旨在开发并评估一种代价敏感混合重采样框架（Cost-Sensitive Hybrid Resampling F
摘要专业翻译
背景： 严重的类别不平衡问题阻碍了儿科肿瘤学中的死亡率预测，其中临床好转出院人数远多于死亡人数，导致标准模型偏向多数类别。目的： 本研究旨在开发并评估一种代价敏感混合重采样框架（Cost-Sensitive Hybrid Resampling Framework，CSHRF），将其应用于多种循环深度学习架构，以缓解上述偏差并改善出院结局分类。方法： 研究采用回顾性横断面设计，数据来源于2023年墨西哥城某国家卫生研究院的电子健康记录。研究人员分析了1607份出院记录，其中包括1554例临床好转和53例死亡。CSHRF将代价敏感学习（将死亡类别权重放大2.5倍）与嵌入正则化漏斗形架构（N → N/2 → N/4）中的固定随机种子混合重采样协议相结合，并使用梯度裁剪（clipnorm = 1.0）进行训练。研究人员将简单循环神经网络（SimpleRNN）、长短期记忆网络（LSTM）和门控循环单元（GRU）模型与朴素循环基线及标准表格分类器（加权逻辑回归、平衡随机森林和XGBoost）进行比较，采用分层交叉验证。性能评估指标包括受试者工作特征曲线下面积（AUC）、G-均值、灵敏度、特异度、精确度、F1分数、平均绝对误差（MAE）和均方根误差（RMSE）。结果： 朴素基线对死亡事件的检测能力有限（灵敏度0.150 ± 0.147）。所提出的框架显著改善了少数类别的检测能力，其中CSHRF-GRU实现了灵敏度0.740 ± 0.145、特异度0.700 ± 0.076、G-均值0.714 ± 0.045和AUC 0.761 ± 0.075。消融分析表明，代价敏感加权对死亡检测的贡献最为显著，而单独使用混合重采样的增益较为有限。在表格基线模型中，加权逻辑回归取得了具有竞争力的表现，灵敏度为0.684 ± 0.130，G-均值为0.767 ± 0.073。精确度仍然较低（0.079 ± 0.015），概率校准误差较大（MAE 0.448；RMSE 0.488），反映了在严重不平衡条件下优先检测死亡事件所需的权衡。结论： CSHRF在高度不平衡的儿科肿瘤学数据集中改善了出院结局分类，为数据受限的医院环境提供了方法论框架。鉴于其较高的假阳性率和概率高估问题，该方法应被解读为一种出院相关结局分类模型，而非独立的临床决策支持系统，未来研究应纳入更丰富的临床和疾病特异性变量以提升预测性能和校准质量。
论文解读文章
一、研究背景与问题
儿科肿瘤学中的死亡率预测面临一个结构性难题：死亡事件相对于临床好转出院极为稀少，导致数据呈现严重类别不平衡。在这种分布不均的数据中，常规学习算法基于平衡分布的假设构建，往往偏向占主导地位的多数类别，从而对罕见但关键的少数类别（即死亡事件）检测能力严重不足。过去十年间，针对不平衡医学数据已形成多种策略，其中代价敏感学习和混合重采样对临床记录尤为有效，但相关方法的透明报告仍然稀缺。事件稀缺和队列规模有限是构建准确预后模型的主要障碍。虽然儿童癌症是儿童疾病相关死亡的主要原因，但个体治疗中心观察到的死亡结局相对于临床好转出院通常很少，导致数据集严重不平衡。标准准确率指标在严重类别分布偏斜下可能具有误导性，往往偏向多数类别而掩盖少数类别的差劲表现。系统综述表明机器学习和深度学习显著改善了儿科肿瘤学数据的分类性能，但小样本量经常限制这些发现在异质临床环境中的可推广性。
二、研究目的与设计
针对上述问题，研究人员提出并评估了代价敏感混合重采样框架（CSHRF），该框架将代价敏感加权机制与固定随机种子混合重采样协议相结合，嵌入正则化漏斗形循环架构（N → N/2 → N/4）中，并通过梯度裁剪（clipnorm = 1.0）稳定训练。研究采用回顾性横断面设计，数据来自墨西哥城某国家卫生研究院2023年的电子健康记录，共纳入1607份出院记录，其中1554例为临床好转（多数类别），53例为死亡（少数类别）。数据集涵盖实体瘤、血液学、化疗和骨髓移植服务。研究经墨西哥城Federico Gómez儿童医院研究、伦理和生物安全委员会批准（研究方案编号HIM/2024/039/SSA.1930）。研究提出两个假设：H1为GRU架构将实现优越的判别能力（AUC和G-均值>0.80）；H2为GRU架构将产生可靠的死亡概率（MAE和RMSE≤0.20）。
三、关键技术方法
研究人员使用了以下主要技术方法：一是代价敏感学习，将死亡类别权重放大2.5倍嵌入损失计算中；二是固定随机种子混合重采样协议，对多数类别进行80%欠采样、对少数类别进行60%过采样，且仅在训练分区内执行以避免信息泄漏；三是三种循环架构（SimpleRNN、LSTM和GRU）部署于漏斗形架构中，超参数调优确定128个隐藏单元、softsign激活函数、批大小32、100训练轮次、dropout率0.3和Adagrad优化器；四是全面的正则化策略，包括核和循环L1/L2惩罚（λ=0.01、0.005和0.001）、批归一化、dropout和梯度裁剪；五是三个标准表格机器学习基线（加权逻辑回归、平衡随机森林和XGBoost）在相同分层交叉验证折下进行比较；六是消融分析，比较混合重采样单独、代价敏感加权单独及两者组合的贡献。所有模型采用5折分层交叉验证评估，性能指标包括AUC、G-均值、灵敏度、特异度、精确度、F1分数、MAE和RMSE。
四、研究结果
4.1 框架开发
CSHRF经过端到端实现和调优，超参数搜索收敛于单一最佳配置：128个隐藏单元、softsign激活函数、批大小32、100训练轮次、dropout率0.3，由Adagrad优化器稳定收敛。
4.2 循环架构与标准表格分类器的预测性能
朴素RNN基线在死亡预测上完全失效，结合了近完美的特异度（0.994 ± 0.006）和仅0.150 ± 0.147的灵敏度，这是模型默认预测多数类别的典型特征。在CSHRF下，所有三种循环架构均恢复了少数类别检测能力，其中GRU表现最为均衡，灵敏度和特异度分别为0.740 ± 0.145和0.700 ± 0.076，G-均值最高（0.714 ± 0.045），AUC为0.761 ± 0.075。SimpleRNN的灵敏度与之相当，LSTM略低，但两者的特异度和几何均值均较低。在标准表格分类器中，加权逻辑回归优先考虑临床检测灵敏度（0.684 ± 0.130），但遭受了显著的校准误差（MAE = 0.355 ± 0.011）；平衡随机森林实现了最高的基线判别AUC（0.813 ± 0.054）；XGBoost严重偏向多数类别，仅捕获15.1%的死亡事件（灵敏度 = 0.151 ± 0.051）。所有表格模型在关键死亡筛查方面均不如CSHRF-GRU的灵敏度（0.740 ± 0.145）。
4.3 概率预测的可靠性
概率误差保持较高水平，框架模型的MAE范围为0.448至0.458，RMSE范围为0.488至0.499。CSHRF-GRU的可靠性图明显偏离完美校准的45°线，预测概率持续落在高估区域，表明模型对死亡风险存在系统性高估。
4.4 标准表格机器学习算法
比较评估表明，标准非循环机器学习算法在处理儿科肿瘤学极端结局差异时仍然受限。加权逻辑回归实现了最高的表格基线灵敏度（0.684 ± 0.130）和几何均值（0.767 ± 0.073），平衡随机森林实现了最高的整体判别能力（AUC = 0.813 ± 0.054，F1分数 = 0.281 ± 0.045）。两种表格基线均表现出实质性权衡，且均未达到CSHRF-GRU的少数类别检测能力。
五、讨论与结论
研究讨论部分指出，两个预设假设均未得到满足：模型未达到H1的判别阈值（AUC和G-均值>0.80），也未达到H2的校准阈值（MAE和RMSE≤0.20）。最显著的发现是从对死亡事件几乎失明的模型向能够检测死亡事件的模型的定性转变。消融分析揭示代价敏感加权是死亡检测的主要驱动因素，而单独使用混合重采样的效果有限，但完整CSHRF框架实现了最佳整体性能，表明两种策略的整合产生了互补和协同效应。研究还识别出校准-判别权衡这一核心问题：尽管CSHRF-GRU能较好地区分风险群体（AUC = 0.761），但付出了系统性校准代价（MAE = 0.448），可靠性图揭示了一个过度自信且高估死亡率的模型，这是2.5倍灵敏度提升直接导致的代价敏感妥协。研究局限性包括：单一中心回顾性设计、死亡事件数量有限（n = 53）、以行政变量为主的特征集、单时间步表示无法建模纵向轨迹，以及缺乏病因特异性死亡数据和肿瘤分期、组织病理学特征、治疗反应等关键临床病理变量。此外，数据集包含1607次出院事件而非1607名独立患者，同一患者的重复住院可能出现在不同验证折中，可能引入患者内依赖和乐观的性能估计。研究结论指出，CSHRF构成了一种稳健的方法论框架，用于管理儿科肿瘤学数据中的极端类别不平衡。混合重采样与2.5倍代价敏感提升的协同作用缓解了朴素RNN基线的少数类别失明问题，漏斗形架构的分层正则化在过滤行政噪声的同时保留了决策阶段所需信息，从仅含一个临床变量的七维低维特征空间中提取了实质性判别能力（AUC = 0.761）。与经典机器学习分类器的比较表明，非循环基线在严重结局差异下仍存在根本性局限。CSHRF-GRU是该数据集的最佳方法，实现了功能性均衡（灵敏度/特异度≈0.740/0.700）和最高几何均值（0.714）。然而，由于H2被拒绝，该框架目前应被视为方法论概念验证，其从出院相关结局分类框架转变为临床可操作的决策支持工具或早期预警系统，需要整合更丰富的临床、病理、实验室和纵向生理变量，以及外部多中心验证、前瞻性测试和真实世界临床效用的证明。行政数据单独足以用于群体层面的出院相关结局分类，但需要纵向临床标记物来精炼真实世界部署的精确性。
