《Frontiers in Oncology》：Analysis of prognostic factors for survival after curative resections of clear-cell renal cell carcinoma based on Bayesian networks
编辑推荐：
背景：对于非转移性透明细胞肾细胞癌（non-metastatic clear cell renal cell carcinoma, nm-ccRCC）根治术后进行精确的风险分层在临床上仍具挑战。本研究旨在开发并验证用于预测nm-ccRCC患者生存的贝叶斯网络（
背景：对于非转移性透明细胞肾细胞癌（non-metastatic clear cell renal cell carcinoma, nm-ccRCC）根治术后进行精确的风险分层在临床上仍具挑战。本研究旨在开发并验证用于预测nm-ccRCC患者生存的贝叶斯网络（Bayesian network, BN）模型。方法：一项双中心回顾性队列被随机分层为训练集（N=326）和内部验证集（N=140）。外部验证采用独立的独立外部队列（N=170）。基于在训练队列单变量分析中显示统计学显著性的临床病理特征构建BN模型，并使用受试者工作特征（receiver operating characteristic, ROC）曲线、混淆矩阵、校准曲线和决策曲线分析进行评估。结果：贝叶斯分析确定T分期是5年总体生存期（overall survival, OS）的主要决定因素，而国际泌尿病理学会（International Society of Urological Pathology, ISUP）分级成为3年无病生存期（disease-free survival, DFS）的主导预测因子。5年OS和3年DFS模型在内部验证队列中的ROC曲线下面积（area under the ROC curve, AUC）分别为0.878和0.867，在外部验证队列中分别为0.838和0.846。各队列的校准斜率接近1且截距较小，决策曲线分析显示在广泛阈值范围内净获益超过“治疗所有”或“不治疗任何”患者的策略。结论：本研究首次将BN确立为nm-ccRCC术后风险预测的临床可操作工具，其具有良好的区分度和校准性能，支持其在患者咨询、风险分层监测以及辅助治疗或临床试验候选者选择中的潜在应用。未来有必要开展前瞻性多中心研究，将预测扩展至5年DFS终点，并为临床转化优化决策阈值。
研究背景与目的
透明细胞肾细胞癌（clear cell renal cell carcinoma, ccRCC）是成人肾脏恶性肿瘤中最常见的组织学亚型。对于局限性肾细胞癌，肾部分切除术（partial nephrectomy, PN）和根治性肾切除术（radical nephrectomy, RN）是标准的治愈性治疗方法。然而，高达20%-40%的非转移性ccRCC（nm-ccRCC）患者在根治性切除后仍会出现复发或转移。目前，针对高风险nm-ccRCC患者，帕博利珠单抗辅助治疗和参与临床试验是可行的治疗方案。因此，早期识别预后不良的患者并实施强化监测、辅助治疗或临床试验入组具有重要的临床意义。既往已有多种预测模型，如加州大学综合分期系统（University of California Integrated Staging System, UISS）、Leibovich评分和GRANT评分等，但这些模型大多参数有限，忽略了多因素交互作用，且在外部和前瞻性队列中验证时预测效能不理想。因此，开发更全面、精准、更新的预后模型以指导术后决策仍是nm-ccRCC研究的重大挑战。
贝叶斯网络（Bayesian network, BN）是一种概率图模型，由有向无环图和条件概率表构成。与主要依赖多变量Cox回归分析和列线图的传统模型不同，BN在建模变量间复杂相互关系方面具有双重优势：一是通过网络图直观呈现复杂的概率依赖关系；二是通过调整先验概率和条件概率分布推断各种事件的后验概率，从而辅助决策。本研究旨在构建并验证用于预测nm-ccRCC患者根治术后无病生存期（disease-free survival, DFS）和总体生存期（overall survival, OS）的精确BN模型，为临床医生定制治疗策略提供可靠依据。
关键技术方法
研究人员开展了一项双中心回顾性队列研究，纳入来自福建医科大学附属协和医院、福建医科大学附属漳州市医院和福建省肿瘤医院的636例符合条件的nm-ccRCC患者。所有患者被随机分为训练集（N=326）和测试集（即内部验证集，N=140），外部验证队列来自福建医科大学附属漳州市医院（N=170）。研究人员采用IBM SPSS Modeler 18和Netica 3.2软件，基于树增强朴素贝叶斯（Tree-Augmented Naive Bayesian, TAN）算法构建BN模型。模型中，目标变量为生存结局（5年OS和3年DFS），属性变量为单变量分析中显示显著关联（P<0.05）的变量。模型的评估指标包括受试者工作特征（receiver operating characteristic, ROC）曲线、混淆矩阵、校准曲线和决策曲线分析（decision curve analysis, DCA）。
研究结果
人群特征： 共636例患者入组，中位年龄55岁，中位随访时间67.0个月。训练集、内部验证集和外部验证集的5年OS率分别为88.3%、86.4%和85.9%，3年DFS率分别为83.7%、83.6%和80.6%。对数秩检验显示各组间OS和DFS均无统计学显著差异。
模型开发： 单变量分析显示，手术时年龄、症状、美国东部肿瘤协作组体能状态评分（Eastern Cooperative Oncology Group Performance Status, ECOG-PS）、术前估算肾小球滤过率（estimated glomerular filtration rate, eGFR）、ISUP分级、手术类型、肿瘤坏死、微血管侵犯、最大肿瘤直径、T分期和N分期均与OS和DFS显著相关。研究人员利用这些变量作为输入，以生存结局为目标变量构建了BN模型。从BN模型可见，年龄是eGFR的父节点，最大肿瘤直径是手术类型的父节点，而T分期在5年OS模型中与症状、ISUP分级、肿瘤坏死、微血管侵犯和最大肿瘤直径存在条件依赖关系。
预后因素重要性： 重要性排序结果显示，T分期是影响患者5年OS的最重要因素，其次为N分期、微血管侵犯、ECOG-PS和eGFR。而对于3年DFS，ISUP分级是最重要的预后因素，其后依次为T分期、微血管侵犯、N分期和ECOG-PS。
条件概率： 在5年OS的BN模型中，当患者OS≥5年且eGFR<59 mL/min/1.73 m2时，T1a分期的预测概率为36%。在3年DFS的BN模型中，当患者存在淋巴结转移且DFS<3年时，ISUP 4级的预测概率为39%。
生存预测： 研究人员展示了BN模型可基于给定变量信息提供个体化生存预测。例如，一位72岁无症状、伴有肿瘤坏死、pT3aN0期、ECOG-PS评分为0、eGFR为70 mL/min/1.73 m2、ISUP分级为2级、最大肿瘤直径为6 cm且无微血管侵犯的患者，在接受RN后的预测5年OS率和3年DFS率分别为66.9%和51.2%。
模型验证与评估： 与测试队列相比，外部验证队列的AUC值略有下降，5年OS模型从0.878降至0.838，3年DFS模型从0.867降至0.846。混淆矩阵分析显示，内部和外部验证均保持了较高的准确性、灵敏度、阳性预测值（positive predictive value, PPV）、F1分数和马修斯相关系数（Matthews correlation coefficient, MCC），而特异性和阴性预测值（negative predictive value, NPV）略低。
校准与决策曲线分析： 在内部验证队列中，5年OS和3年DFS模型的校准截距分别为0.093和0.143，斜率分别为0.960和0.956，Brier评分分别为0.061和0.057；在外部验证队列中，对应值分别为0.171和0.161，斜率分别为0.920和0.946，Brier评分分别为0.082和0.083。这表明预测概率与观察到的事件频率高度一致。决策曲线分析显示，在广泛的阈值概率范围内，使用BN模型指导决策的净获益超过了“治疗所有”和“不治疗任何”患者的策略。
讨论与结论
讨论部分指出，传统的Cox回归模型难以充分体现nm-ccRCC预后因素间的复杂交互作用，而BN能够灵活适应不同数据分布并描绘多层次变量依赖关系，有助于探索潜在变量。BN模型还能在不完全数据情况下进行可靠的个体化风险分层。研究强调，网络学习的有向边编码的是概率依赖关系而非因果关系。关于3年DFS终点的选择，研究人员提供了外部数据支持，表明大多数术后复发集中在术后前3年内。BN模型的变量重要性分析揭示了不同时间点风险因素的重要性变化：ISUP分级是3年DFS的最关键预测因子，而T分期是5年OS的最重要危险因素。尽管与其他现有模型（如SYSUCC列线图、SSIGN评分等）的直接比较因人群差异而受限，但本研究的BN模型展现出良好的区分度。研究也承认了局限性，包括回顾性设计、训练数据局限于两个中心、缺乏分子生物标志物等先进参数的整合，以及未建立5年DFS模型。未来需开展前瞻性多中心研究加以验证和完善。
结论翻译： 本研究首次将BN确立为nm-ccRCC术后风险预测的临床可操作工具，通过动态整合非线性变量相互作用提供个体化的5年OS和3年DFS估计。在内部和外部验证队列中，模型表现出良好的区分度和校准性能，支持其在患者咨询、风险分层监测以及辅助治疗或临床试验候选者选择中的潜在应用。未来有必要开展具有方案规定影像学随访的前瞻性多中心研究，以将预测扩展至5年DFS终点，并为临床转化优化决策阈值。
