基于临床数据和血常规数据，利用集成机器学习预测乳腺癌复发与死亡率

《npj Breast Cancer》：Ensemble machine learning for predicting breast cancer recurrence and mortality using clinical and hemogram data

　　

摘要

由于不同分子亚型的预后差异较大，准确预测乳腺癌复发仍然是一项挑战。这凸显了需要开发出可扩展、经济且易于理解的预后评估工具。我们构建了机器学习模型，将血液学指标与临床病理数据相结合，用于预测2年和10年的复发风险或总体死亡风险。我们对2008年至2022年间4277名原发性乳腺癌患者进行了回顾性分析，这些患者涵盖了激素受体阳性、HER2阳性以及三阴性乳腺癌亚型。我们训练了多种分类器，并将它们整合为分层集成模型，以逻辑回归作为最终预测模型。针对训练数据中的类别不平衡问题，我们采用了SMOTE技术进行处理。该集成模型展现了出色的区分能力：整体群体的AUC值为2年时0.859，10年时0.811，特异性为84%-82%，敏感性为68%-61%。各亚型的预测性能在不同时间跨度内均保持稳定：激素受体阳性亚型的AUC值分别为2年时0.862，10年时0.804；HER2阳性亚型的AUC值分别为2年时0.877，10年时0.831；三阴性乳腺癌亚型的AUC值则为2年时0.826，10年时同样为0.826。SHAP分析表明，肿瘤分期较晚、炎症比率升高（NLR、PLR、MLR）、红细胞分布宽度增加以及年龄等因素是影响早期复发的关键风险因素。这一易于理解的评估工具仅需利用常规血液检测结果和诊断时的临床病理数据，就能识别出高风险患者，便于对其采取强化治疗措施，尤其适用于无法进行基因组检测的情况。