用于癌症幸存者心血管疾病风险预测的可解释机器学习：开发与内部验证

《Cardio-Oncology》：Interpretable machine learning for cardiovascular disease risk prediction in cancer survivors: development and internal validation

　　

摘要

背景

心血管疾病是癌症幸存者面临的重要健康问题。然而，癌症与心血管疾病的关联直到最近才受到更多关注，相关证据仍存在很大缺口。本研究旨在识别癌症幸存者发生心血管疾病的风险因素，并构建用于预测心血管疾病风险的机器学习模型。

方法

在这项回顾性研究中，我们纳入了在吉林癌症医院接受系统性抗肿瘤治疗的2,500名患者，共观察到188例新发心血管疾病病例。我们收集了涵盖人口统计学、临床特征、肿瘤及治疗相关因素以及实验室检测指标等多方面的数据。这些数据被随机分为训练集（75%）和内部验证集（25%）。特征选择通过LASSO回归实现。共构建了6种预测模型，包括5种机器学习算法（GBM、CoxBoost、XGBoost、SVM和RSF）以及传统的Cox比例风险模型。模型性能通过时间依赖型接收者操作特征曲线（AUC）、校准分析以及决策曲线分析来评估。模型的可解释性则通过SHapley加性解释法进行判定。

结果

在单变量分析中，有48个变量与心血管疾病风险相关（P < 0.20）。LASSO回归确定了19个可用于模型构建的预测因子。其中重要的预测因子包括收缩压升高、特定类型的癌症、使用蒽环类药物以及高血压病史。在内部验证集中，XGBoost模型的预测性能最佳，其平均AUC为0.666，灵敏度为69.8%，特异性为60.7%，整体准确率为61.4%。该模型校准效果良好，在多种临床阈值下都能带来正向的净收益。SHAP分析显示，癌症类型、未接受抗HER2治疗、收缩压升高、肿瘤T分期较晚、TNM分期较晚以及尿酸水平较高是影响心血管疾病风险的最主要因素。

结论

本研究构建了可解释的机器学习模型，并通过内部验证来预测癌症幸存者的心血管疾病风险。这些模型具备良好的区分度和校准能力，其性能优于传统方法。通过实现个体化的风险量化，并对关键预测因子提供清晰的解读，该方法为心血管肿瘤学领域的个性化监测和预防策略提供了实用的工具。