《ESMO Real World Data and Digital Oncology》：Development of an algorithm to support cancer registry registration by identifying patients with metachronous metastases after primary breast cancer
编辑推荐：
背景：癌症登记机构缺乏资源主动随访所有患者的疾病状态。为获取异时性转移性乳腺癌（metachronous metastatic breast cancer, mMBC）信息，研究人员开发了一种基于医院数据（包括住院入院、门诊治疗、诊断和药物使用等）的算法，用于
背景：癌症登记机构缺乏资源主动随访所有患者的疾病状态。为获取异时性转移性乳腺癌（metachronous metastatic breast cancer, mMBC）信息，研究人员开发了一种基于医院数据（包括住院入院、门诊治疗、诊断和药物使用等）的算法，用于识别具有较高已发生mMBC概率的患者，旨在减少登记负担。材料与方法：将2019至2020年全国医院数据与荷兰癌症登记（Netherlands Cancer Registry, NCR）中1989至2020年原发性乳腺癌诊断患者数据进行链接。4395例患者的mMBC状态（M1/M0）数据在NCR中可获得，并作为金标准用于开发预测算法。验证后，其性能通过一项试点研究评估，该试点纳入1056例M1/M0状态未知且估计转移预测评分在0%至100%范围内的患者，并由登记员进行人工核查。这些结果用于重新训练算法，并对mMBC预测评分≥0.6的患者进行人工核查。结果：算法的预测变量包括特定影像学操作和药物使用、咨询、转移性乳腺癌（metastatic breast cancer, MBC）诊断以及医院就诊次数。人工复核证实，较高的预测概率与发现的较高mMBC比例相对应。在3379例预测评分≥0.6的患者中，3029例（90%）确实被诊断为mMBC。结论：研究人员开发了一种基于医院数据的算法，用于识别具有较高已发生mMBC概率的患者。该算法将持续更新，并在癌症登记实践中实施。
研究背景与问题：荷兰癌症登记（Netherlands Cancer Registry, NCR）通常收集初诊时患者、肿瘤和治疗特征；荷兰乳腺癌（breast cancer, BC）生存者数量已超过180 000且仍在上升，长期生存者存在发生异时性转移性乳腺癌（metachronous metastatic breast cancer, mMBC）的风险。由于每年新诊断患者和生存者数量大，主动监测所有患者疾病状态并补全局部区域复发（locoregional recurrence, LRR）或mMBC数据不可行。LRR常可通过病理实验室获得，但转移常缺乏病理确认；即使LRR后早期检测也不降低异时性转移风险。mMBC未常规登记导致全国层面mMBC发生和患病数据有限，影响无病生存期计算和医疗系统负担评估。NCR虽在特定队列中通过人工收集LRR和mMBC丰富数据，但随访5或10年后逐份核查耗时且昂贵。因此，研究人员旨在开发基于医院数据的算法，识别原发性BC治愈性治疗后具有较高mMBC概率的患者，以减少登记负担。
研究开展、结论与意义：研究人员将NCR中1989—2020年BC患者与全国医院护理基础登记（National Basic Register for Hospital Care, LBZ）2019—2020年数据链接，以NCR中已有人工收集mMBC状态的特定BC队列为金标准开发预测算法，并通过试点人工核查和逐步扩展登记进行验证与再训练。结果显示，在预测评分≥0.6的3379例患者中，3029例（90%）经人工复核确诊mMBC。该研究表明算法可识别高概率mMBC患者，为减少劳动密集型人工登记、补全癌症登记疾病状态及支持以复发为终点的流行病学研究提供工具。
关键技术方法（不超过250字）：研究人员将NCR中1989—2020年原发性BC患者与2019—2020年LBZ数据进行基于性别、医院、患者编号（如有）和邮编的概率链接；金标准来自NCR中已手工收集mMBC状态的特定BC队列（4395例，M1 1175例、M0 3224例）。对LBZ事件按诊断前后?60/+90天拆分，生成计数特征及文本词袋特征；采用极端梯度提升（extreme gradient boosting, XGBoost）建模，以方差分析F检验的SelectKBest选择350个特征，80%开发集/20%测试集分层划分并行10折交叉验证。随后以1056例预测评分覆盖0%—100%的患者开展试点人工核查，并将新登记数据加入金标准后重新训练算法。
研究结果：特征选择结果（Results of the feature selection）：基于4395例已知mMBC状态的金标准队列（开发集937例M1、2579例M0；测试集238例M1、645例M0），算法纳入的预测特征包括转移性疾病特定药物palbociclib、MBC咨询、癌胚抗原检测、转移确诊诊断和患者就诊次数。试点研究（Pilot study）：对1056例覆盖预测评分全范围的患者进行人工登记，425例诊断为mMBC、631例无mMBC；预测评分≥0.9者中96%确认mMBC；阈值≥0.6时敏感度0.911、特异度0.707、阳性预测值（positive predictive value, PPV）0.677、阴性预测值（negative predictive value, NPV）0.921；较低阈值敏感度较高而特异度和PPV较低，较高阈值相反。扩展登记（Expanding the registration）：对2019年预测评分≥0.9且有LBZ记录者人工登记，重新训练后纳入3379例更新评分≥0.6者，3029例（90%）在2019年或之前登记mMBC；3092例（92%）登记某种复发性疾病；评分≥0.8亚组复发比例更高且主要为mMBC，<0.8亚组mMBC比例低于预测评分，但纳入LRR后复发比例高于概率。
讨论总结与结论翻译：讨论部分主要发现指出，阈值≥0.6时3379例中3029例经人工复核确诊mMBC，表明算法可显著减少人工登记过程。试点结果显示阈值≥0.6时敏感度0.911、特异度0.707；亚组mMBC低于预期，但登记全部≥0.6患者后mMBC或任何复发比例更高，提示更新金标准并再训练可改善概率，定期更新和再训练重要；阈值≥0.6会增加人工登记量，但为尽可能识别mMBC，可接受部分冗余登记。与其他研究比较，SONABRE医院数据研究敏感度100%、特异度93%并减少至少80%人工复核；A’mar等以≥0.6阈值报告敏感度0.886、特异度0.980；Pedersen等使用更具体编码（如国际疾病肿瘤学分类）报告PPV 86%、敏感度100%、特异度97%；Giudici等未进行病历人工复核和验证；其他研究使用自然语言处理分析自由文本临床记录，部分结合结构化数据。临床实践影响在于实现更完整mMBC登记，支持以复发为终点的流行病学研究，并在有限额外资源下补全癌症登记疾病状态。优势包括基于真实世界、基于人群数据开发与验证，且拥有主动人工监测BC队列作为金标准；假阳性可接受，因为登记员会人工随访，且无mMBC患者核查约需5分钟，评分0.6—0.8患者较少未显著增加负担。局限包括LBZ与NCR链接完整性关键（研究中NCR至LBZ链接96.7%）、算法依赖准确医院数据、就诊极少的转移患者可能被漏检、未核查所有患者难以估计假阴性、性能指标仅来自试点、过程中更新和再训练可能改善指标且需外部数据验证、治疗和诊断变化使算法需持续更新。未来步骤包括扩展识别时间段、定期更新算法、平衡登记员容量与转移登记可能性，并可将方法作为其他癌种算法开发基础。结论翻译：研究人员开发了一种算法，利用全国性行政登记（包括住院入院、日托入院、门诊治疗、诊断和药物使用等医院数据）与全国癌症登记链接后的常规收集数据，在国家级识别mMBC患者。借助该算法，研究人员距离监测疾病状态、识别mMBC患者并实现所有BC转移更完整登记更近一步，且可复用现有数据源。该算法使研究人员能够深入了解BC患者的无病生存期，以及mMBC患者的发病率、患病率、特征和结局，同时大幅降低登记负担。
