## 1. 专业标题 基于PLCO筛查队列的泄漏感知与可解释机器学习卵巢癌预测框架：多方法特征选择与KNN–AdaBoost堆叠集成

《Frontiers in Oncology》：A leakage-aware and interpretable machine learning framework for ovarian cancer prediction using the PLCO screening dataset

　　

## 3. 摘要专业翻译

卵巢癌的早期诊断是一项重大临床难题，主要原因在于缺乏高灵敏度的早期检测生物标志物，且CA-125血液检测与经阴道超声（transvaginal ultrasound, TVU）等标准筛查参数在诊断中的灵敏度很低。本文提出一种基于前列腺、肺、结直肠与卵巢（Prostate, Lung, Colorectal, and Ovarian, PLCO）癌症筛查数据的、结构化且可解释的机器学习架构，以提升卵巢癌的风险分层。原始分析队列包含78,209名参与者，其中卵巢癌病例518例。为在高维特征空间中筛选出20个有信息量的诊断前预测因子，研究采用了一套综合特征选择流程，包括方差分析（ANOVA，f_classif）、卡方检验、随机森林重要性及XGBoost重要性。多种分类算法经测试，基于提升（boosting）的方法显示出良好的预测价值。K-近邻（K-Nearest Neighbors, KNN）与AdaBoost的堆叠集成（stacking ensemble）总体表现最佳（准确率0.7644），测试集AUROC为0.8399，并辅以灵敏度、特异度、阳性预测值（PPV）、阴性预测值（NPV）、平衡准确率、马修斯相关系数（MCC）及PR-AUC等指标评估。SHAP分析与置换重要性（permutation importance）被用于提供模型可解释性，二者一致将问卷类筛查变量、年龄及CA-125属性认定为最强预测因子。所提框架为人群水平卵巢癌风险评估提供了一种方法学严谨且透明的评估途径，为未来构建临床可用的卵巢癌筛查决策支持系统奠定基础，但仍需外部验证。

## 4. 论文主体解读

**研究背景与问题**　卵巢癌是全球最常见的妇科恶性肿瘤之一，也是致死率最高的妇科肿瘤类型，其早期阶段多无症状且社区缺乏合适的筛查手段。据估计，全球每年新发约300,000例、死亡逾200,000例，居女性癌症死亡第八位。疾病结局与诊断分期密切相关：早期（I–II期）诊断者总生存率超过90%，而晚期诊断者不足30%；由于症状不典型以及现有生物标志物和影像学方法诊断特异性低，近70%的病例在晚期才被发现。现有筛查手段如经阴道超声（TVU）与CA-125生物标志物在无症状女性中灵敏度和特异度均不足；PLCO癌症筛查试验与英国卵巢癌筛查协作试验（UKCTOCS）均显示，在普遍筛查情形下CA-125与TVU并未带来统计学显著的死亡率下降。这促使研究人员开发能够整合临床、人口学与生物标志物变量的更先进预测模型。机器学习（ML）擅长学习高维临床数据中的复杂非线性关系，但既有研究多受样本量小、标志物单一或模型可解释性不足所限，且迄今尚缺乏在大型人群队列上对多方法特征选择、集成学习与可解释性的一体化评估。为此，研究人员利用PLCO筛查数据集（含逾150,000人的纵向筛查、人口学、问卷与临床结局数据），提出一个泄漏感知（leakage-aware）且可解释的机器学习框架，以改善卵巢癌风险分层。研究的意义在于：提出多准则特征选择方法以从高维筛查数据中稳定、无冗余地选取有临床意义的特征；系统比较经典机器学习、集成与提升算法并确定最有效的风险估计方法；证明堆叠集成通过更优的预测平衡与泛化优于单一分类器；并借助SHAP、置换重要性与交叉验证提升透明度与临床可信度。

**关键技术方法**　研究数据来源于美国国家癌症研究所开展的PLCO随机筛查试验（1993–2001年，约155,000人参与，其中卵巢癌分支纳入约78,000名55–74岁女性），经癌症数据访问系统（CDAS）获取，原始分析队列为78,209名女性（卵巢癌518例，占0.66%）。方法学包括：①泄漏感知预处理——将死亡率、生存时间、诊断后随访等8个变量（其中is_dead与is_dead_with_cod为直接泄漏，其余6个为间接泄漏）在特征选择与建模前剔除，并对多数类随机欠采样获得1,036例平衡队列，按8:2分层划分训练集与独立测试集，所有数据驱动步骤仅在训练集拟合；②多方法特征选择——结合ANOVA F检验（f_classif）、卡方检验、随机森林重要性与XGBoost重要性，以秩和聚合法选出前20个预测因子；③模型构建与堆叠集成——比较逻辑回归、线性支持向量机（SVM）、KNN、决策树、随机森林、Bagging、梯度提升、XGBoost、CatBoost及投票分类器，并以逻辑回归为元学习器、五折交叉验证生成折外预测构建15种堆叠组合；④评价与可解释性——采用准确率、精确率、召回率、F1、ROC–AUC、灵敏度、特异度、PPV、NPV、平衡准确率、MCC、PR–AUC，并进行校准曲线、Brier评分与决策曲线分析（DCA），以及SHAP与置换重要性分析。实验基于Python 3.13.5环境，随机种子固定为42。

**研究结果**　（1）基线模型性能：在未做特征选择的泄漏无关条件下，提升类集成模型表现最佳，AdaBoost准确率最高（0.7644），其次为CatBoost（0.7500）与LightGBM（0.7356），随机森林为0.7163；线性SVM（0.6875）与逻辑回归（0.6635）表现中等，KNN最低（0.5385），提示特征空间存在一定线性可分性但非线性建模判别力更强。（2）特征选择结果：四种方法秩和聚合选出前20个特征，涵盖筛查生物标志物（多次CA-125测量与TVU结果）、人口学与年龄指标、问卷来源的妇科与症状变量、筛查参与标志、生育史与家族风险因素；特征维度降至20后训练集为（828, 20）、测试集为（208, 20），且无死亡或诊断后变量入选，符合真实诊断前预测情境。（3）特征选择后的模型性能：提升类算法仍最优，AdaBoost准确率0.7452、XGBoost 0.7404、CatBoost 0.7356、LightGBM 0.7308，随机森林0.7260，KNN最低（0.6058）；相对基线的轻微下降被解释为剔除泄漏易感变量后的更真实评估。（4）ROC–AUC分析：训练集AUC以CatBoost最高（0.9721）、LightGBM 0.9630、XGBoost 0.9548；测试集AUC以AdaBoost最高（0.8401）、XGBoost 0.8364、随机森林0.8259、CatBoost 0.8246，显示提升模型泛化良好。（5）堆叠集成结果：15种配置中KNN+AdaBoost堆叠总体最优（准确率0.7644、精确率0.7700、召回率0.7644、F1 0.7632、错误率0.2355），优于所有单一分类器，体现元学习的增益；而由同类线性学习器构成的组合（如LR+SVM、LR+KNN）表现较低，说明基学习器的多样性与互补性至关重要。（6）临床性能评估：KNN+AdaBoost堆叠的灵敏度0.6923、特异度0.8365、PPV 0.8089、NPV 0.7310、平衡准确率0.7644、MCC 0.5344、PR–AUC 0.8767，显示在低患病率筛查场景下具有较好的阳性病例判别力；类别层面，对照类精确率0.7310、召回率0.8365、F1 0.7802，卵巢癌类精确率0.8089、召回率0.6923、F1 0.7461。（7）统计比较：McNemar检验统计量0.45、p=0.5023，表明KNN–AdaBoost堆叠与最佳单一分类器AdaBoost之间差异无统计学显著性，故不应宣称堆叠具有统计优越性；同时给出了各堆叠模型的95% bootstrap置信区间。（8）校准与临床效用：Brier评分0.1686、校准截距0.0021（接近理想值0）提示整体概率准确性与系统偏倚良好，但校准斜率2.4486偏离1，说明预测风险偏低，直接用于临床个体风险估计前可能需再校准；基于患病率校正预测概率的决策曲线分析属探索性，因模型构建于欠采样队列且尚未外部验证。（9）可解释性分析：SHAP汇总显示最强预测因子为ph_ovar_sqx、ph_ovar_dhq、entryage_sqx、ca125_result5、entrydays_sqx、age与tvu_result0，且无死亡或诊断后变量进入主导预测因子，印证模型的诊断前信息基础；置换重要性（含标准与交叉验证版本）同样以ph_ovar_sqx（重要性0.121）居首，其后为entryage_sqx（0.023）、entrydays_sqx（0.020）、entrydays_dhq（0.019）、ph_ovar_dhq（0.014），ca125_result3、age与tvu_result0亦有实质贡献；SHAP、置换重要性与模型内建重要性三种独立方法在关键预测因子上高度一致，降低了重要性排序源于特定算法或抽样波动的风险，增强了结果的可重复性与可信度。（10）结果小结：整体研究证明了泄漏感知机器学习方法在PLCO数据上进行可解释卵巢癌风险预测的可行性，但上述结果应视为内部评估与探索性结论，临床使用前需外部、时间性与前瞻性验证。

**讨论与结论**　讨论部分指出，本研究的主要发现是在泄漏无关条件下KNN+AdaBoost堆叠取得全部受测模型中最高的总体准确率（0.7644）：AdaBoost提供非线性决策边界与对结构化表格数据的稳健处理能力，KNN捕捉特征空间的局部模式，元学习融合降低了方差并改善了精确率、召回率与F1的预测平衡；单一分类器中AdaBoost准确率最高（0.7452）。多方法特征选择将高维数据压缩至20个有临床意义的诊断前预测因子，提升了计算效率、降低了过拟合且保留了预测信号，且未纳入死亡与诊断后因素，避免了回顾性伪影。研究人员特别说明，特征选择本身并未提升预测准确率（最佳单一AdaBoost由原始特征的0.7644降至入选特征的0.7452），而是由堆叠方案在小维度特征上恢复了预测能力，故不应将本框架视为仅靠特征选择带来精度提升。与既往研究相比，本研究的贡献在于：采用具有多域变量的大型人群队列；将SHAP、置换重要性与交叉方法验证相结合以提供透明度，而多数既往机器学习研究仅关注预测精度；尽管泄漏无关条件下的精度较既往实验性研究更为保守，但提供了方法学严谨且临床可信的真实预测能力估计。方法学优势包括：预处理流程对缺失值、类别变量与离群值的统一清理；显式剔除数据泄漏变量以维护时间与临床有效性；多方法特征选择减少冗余特征并提升泛化性；对经典、集成与堆叠模型的基准比较；以及多工具保障可解释性与稳定性。校准方面，Brier评分与校准截距令人满意，但斜率2.4486提示预测概率可能并非绝对个体风险，需再校准；患病率校正DCA仅为探索性指标，因随机欠采样使分析队列不能作为临床获益的确凿证据，应用于个体化筛查或临床决策支持前需在人群代表性队列中进行外部验证与前瞻性评估。研究亦指出，近年肿瘤学中可解释人工智能在乳腺癌风险分层、白血病诊断与脑肿瘤检测等任务中的价值，印证了在预测性能之外采用可解释人工智能的合理性。局限性包括：随机欠采样减少了对照人群，可能不反映原始疾病患病率；尽管排除了诊断后变量，PLCO含纵向筛查信息，故本框架应视为诊断前风险分层模型而非固定预测时程的基线模型；评估仅在单一PLCO队列内完成，缺乏时间性、外部或前瞻性验证；KNN–AdaBoost集成较AdaBoost无统计学显著改善，表现为性能相当而非更优；所报告的诊断、校准与临床效用指标应视为探索性，临床实施前需多中心外部验证、亚组评估与再校准。对未来筛查的意义在于，框架展示了整合人口学、问卷、筛查与生物标志物信息进行风险分层的潜力，但校准斜率提示需再校准，DCA因欠采样队列而属探索性；未来应聚焦人群代表性队列的外部验证、概率再校准、前瞻性临床评估与临床效用评价，并进一步研究公平性、纵向生物标志物轨迹及包括影像特征在内的多模态信息能否提升预测性能与临床价值。结论部分指出：本文提出并检验了一种泄漏感知、可解释的机器学习模型用于基于PLCO筛查数据集的卵巢癌预测；多方法特征选择策略在严格预处理保障下实现了高效降维且未损失诊断前信息的预测完整性；所提出的泄漏感知KNN–AdaBoost堆叠框架在卵巢癌预测中表现出有竞争力的预测性能，但因其与最佳单一分类器（AdaBoost）的预测准确率统计比较结果相近，研究未对其统计优越性作无依据的宣称；KNN与AdaBoost的堆叠集成被证明是最有效的配置，凸显了结合互补学习范式以提升泛化性能的益处；重要的是，解释性分析（SHAP、置换重要性）一致指出筛查问卷变量、年龄相关指标与CA-125特征为最重要变量，强化了模型的临床合理性。这凸显了方法学严谨性与透明性的必要性，并提供了一种可重复且具临床相关性的卵巢癌风险分层途径；本研究的主要局限在于缺乏外部验证，未来工作应包括外部验证、纵向建模与多模态整合，以转化为真实世界的筛查应用。