《Cancers》:Explainable Machine Learning for Head and Neck Cancer Risk Stratification
编辑推荐:
引言:头颈部癌症常在晚期确诊,尽管治疗有所进展,生存率仍较差,凸显了在常规临床诊疗中早期识别的必要性。常规收集的电子健康记录(EHR)数据是纵向临床信号的潜在来源,但机器学习模型的临床适用性仍受限于可解释性及真实世界整合方面的担忧。方法:本回顾性队列研究纳入2
引言:头颈部癌症常在晚期确诊,尽管治疗有所进展,生存率仍较差,凸显了在常规临床诊疗中早期识别的必要性。常规收集的电子健康记录(EHR)数据是纵向临床信号的潜在来源,但机器学习模型的临床适用性仍受限于可解释性及真实世界整合方面的担忧。方法:本回顾性队列研究纳入2007年至2022年间在德布勒森大学临床中心(University of Debrecen Clinical Centre)接受治疗的157,031名患者,头颈部癌症使用ICD-10编码C01至C14定义。共1397个变量,包括人口统计学特征、基于ICD的合并症及实验室参数,通过方差过滤和弹性网络惩罚Cox回归(Elastic Net Penalized Cox Regression)缩减至91个特征。开发并比较了三种生存建模方法,包括CoxNet、随机生存森林(Random Survival Forest)及具有Cox目标的XGBoost。结果:XGBoost模型表现出最高的预测性能,平均一致性指数(Concordance Index, C-index)为0.916,其次是随机生存森林的0.892和CoxNet的0.886,各模型校准可接受。风险分层显示低、中、高风险组间有明显分离。使用SHapley Additive exPlanations(SHAP)的模型可解释性表明,预测由人口统计学因素、实验室标志物和临床相关的诊断代码共同驱动,反映了远端风险梯度和近端临床信号。结论:这些发现表明,应用于常规临床数据的可解释机器学习能够支持准确且具临床可解释性的风险分层,有望在现有医疗路径中机会性早期识别高风险患者。临床相关性:基于EHR的可解释生存模型可能支持在常规临床工作流程中机会性识别头颈部癌症风险增加的患者,潜在改善分诊和转诊。
研究背景与开展缘由
头颈部癌症(Head and Neck Cancer, HNC)在临床上具有 paradoxical 特性,虽发生于临床可见的黏膜表面,却常因早期信号细微、非特异性及医疗系统负担而被延误诊断,多在晚期才确诊,导致生存率低且治疗强度增加。2022年全球估计新发病例约947,211例,死亡482,428例,其中口腔、口咽、下咽及鼻咽癌占比显著,在欧洲尤其是匈牙利等中欧东欧地区负担沉重,匈牙利46.3%的HNC患者在诊断后一年内死亡,患者延迟均值达17.6周。预后高度依赖分期,局限期5年相对生存率约88.4%,远处转移则降至36.9%。目前诊断与治疗启动延迟可导致分期迁移及死亡率增加,而牙科作为潜在筛查节点却受限于临床信心与系统支持。现代电子健康记录(Electronic Health Record, EHR)虽捕获了诊断前纵向临床信号,但机器学习模型在方法论严谨性、时效性偏差及可解释性方面存在局限,且临床部署需兼容工作流程、具备透明度与可信度。因此,研究人员旨在利用匈牙利德布勒森大学临床中心的常规数据,开发可解释的、基于EHR的生存分析风险分层框架,耦合机器学习与时间-事件建模,以支持在牙科及多学科头颈诊疗路径中进行机会性检测、分诊与转诊,这也是首个使用匈牙利临床数据开展的相关可解释时间-事件机器学习框架研究,论文发表于《Cancers》。
主要关键技术方法
研究人员采用2007至2022年德布勒森大学临床中心的回顾性队列数据,初始1,009,073名患者中筛选出具至少一次实验室评估的358,250名,经缺失值排除与完整病例分析后得292,964名,再经基线聚合与零随访时间排除,最终纳入157,031名患者(含486例HNC事件)。变量初始1397个,经方差阈值过滤(阈值<0.01)降至424个,再以弹性网络惩罚Cox回归(Cox Proportional Hazards Model with Elastic Net Regularization, CoxNet)进行特征选择,通过分层k折交叉验证确定超参数,最终保留91个特征。研究人员开发并比较三种生存模型:惩罚Cox模型(CoxNet)、随机生存森林(Random Survival Forest, RSF)、带Cox目标的极端梯度提升(XGBoost with Cox Objective)。性能评估采用分层5折交叉验证的一致性指数(Concordance Index, C-index)与综合布里尔得分(Integrated Brier Score, IBS)。可解释性通过SHapley Additive exPlanations(SHAP)实现全局与个体层面解析,辅以多变量Cox回归描述关联。风险分层按预测评分分低、中、高三组,以Kaplan–Meier曲线与log-rank检验评估分离度,校准图比较预测与观察生存概率。
研究结果
3.1. Study Population and Follow-Up Characteristics
最终队列157,031人,486例 incident HNC,基线平均年龄46.7岁,女性占59.1%,平均随访6.11年。年龄分布近似对称,事件在早期随访更频繁,后期因删失递减。
3.2. Feature Reduction and Selection
1397变量经方差过滤剩424,弹性网络Cox回归选出91个非零系数预测因子,交叉验证C-index达0.884。
3.3. Model Performance Comparison
XGBoost-Cox平均C-index最高为0.916(标准差0.014),RSF为0.892(0.026),CoxNet为0.886(0.016);IBS显示RSF 0.00241略优于CoxNet 0.00295,XGBoost判别性能最优。
3.4. Sensitivity Analysis
3.4.1. Feature-Selection Optimism
嵌套交叉验证中,XGBoost-Cox的C-index由0.916降至0.910,RSF由0.892降至0.881,CoxNet由0.886降至0.885,性能基本一致,表明特征选择乐观偏差有限。
3.4.2. Potential Temporal Leakage
排除C77、R22、R13、R64后,XGBoost-Cox的C-index由0.916降至0.882,RSF由0.892降至0.844,CoxNet由0.886降至0.842,校准基本不变,说明模型并非仅依赖临近诊断代码,仍有广泛临床变量支持预测。
3.5. Risk Stratification and Survival Separation
低风险组事件率0.029%,中风险0.086%,高风险0.814%,高风险组绝对事件率为低风险约28倍,捕获87.7%全部事件。Kaplan–Meier曲线显示三组间生存概率清晰分离,高风险组随时间生存最低,差异早期显现并持续全程。
3.6. Calibration Analysis
CoxNet与XGBoost-Cox的5年校准图显示预测与观察事件概率总体可接受,因绝对发病率低于1%致预测概率范围窄。CoxNet在低风险提示高估、高风险低估;XGBoost-Cox多数组别更接近,最高风险组略低估。
3.7. Feature Importance and Model Agreement
各模型中C77、R64、R22、性别重要性高但相对大小各异;RSF中C77最重要(0.237),CoxNet分布较均匀(R22 0.081),XGBoost中C77 0.074、性别0.067。年龄具中等重要性。特征一致性分析显示年龄、C77、性别达最高一致分数1.0,J38、R13、R22、R64亦强一致,部分实验室与诊断代码呈中等或较低一致。
3.8. SHAP-Based Model Interpretation (XGBoost)
全局SHAP中年龄主导(平均绝对SHAP值远超其余),性别次之,随后MCV、R13、R22等。SHAP摘要图显示高龄正向贡献风险,性别二元贡献分明,MCV升高增险,MPV与NEU分布效应,C77、R22、R13、R64存在时强正向贡献。瀑布图示例:低风险个体年龄SHAP -1.04为主累积降险;高风险个体R22 +1.70、C77 +1.52、R13 +0.80、R64 +0.78等累积增险。
3.9. Multivariate Cox Regression of Selected Predictors
前40预测因子多变量Cox中,R22风险比(Hazard Ratio, HR)近4倍,D37与C77超3倍,R13、K13、J38、R64明显升高HR;MCV与年龄HR略高于1;性别、N39等关联降低HR。部分代码置信区间宽近null值。
讨论部分总结与研究结论翻译
讨论指出模型在真实队列中取得强判别力与可解释分层,SHAP揭示预测由人口学远端梯度与近端前诊断临床信号(如R22、R13、R64、C77等诊断或症状代码)混合驱动,需注意时间泄漏(methodological concerns about temporal leakage)并透明处理以部署。C-index高不代表校准优,极端类别不平衡(0.31%事件)下正预测值可能低,比例风险假设与非比例效应需未来诊断。C77等代码可能属诊断前期或转移表现,非病因因子,排除敏感性分析显示性能中度下降,说明非独占依赖。真实转化应在既有的医疗交互中机会性风险分层而非普筛,需治理、临床参与与持续监测,SHAP可查虚假驱动与调阈。优势在于大规模真实队列、生存框架与解释层;局限为单中心回顾、近诊断信号富集、需外部与时间验证及排除实验室测量引入的选择偏倚。
结论翻译:常规收集的电子健康记录(EHR)数据可支持头颈部癌症的准确风险分层,如所开发模型的高判别性能所示。结合基于SHapley Additive exPlanations(SHAP)的可解释性,能对模型行为进行透明表征,促进对人口统计学、实验室及基于诊断的特征相对贡献的临床意义理解。模型的预测结构反映了远端风险梯度与近端临床信号的组合,表明其主要效用在于在现有医疗路径中早期识别高风险个体,而非病因学风险评估。这些发现支持可解释机器学习模型作为机会性早期检测的决策支持工具的潜在作用。未来工作应聚焦于时间稳健的验证、外部泛化性及在临床工作流程中的前瞻性实施,以评估其对诊断时机、分期分布与资源利用的影响。
要不要我帮你把这篇论文解读里的关键专业术语(如SHAP、C-index、ICD-10)整理成一个简明对照表方便查阅?