可解释随机森林模型预测胰切除术后1年死亡率的开发与内部验证

《Laparoscopic, Endoscopic and Robotic Surgery》：Development and internal validation of an explainable random forest model for predicting 1-Year mortality after pancreatic resection

　　

摘要
目的：胰切除术仍是最具技术挑战性的腹部手术之一，且与显著的围手术期发病率和长期死亡率相关。尽管微创胰脏手术已日益普及，但其与长期结局的关联仍不明确。本研究旨在开发并内部验证一种机器学习模型，用于预测胰切除术后1年死亡率，并利用夏普利加性解释（SHAP）探讨关键临床预测因子的贡献。
方法：这项回顾性队列研究基于公开可用的INSPIRE数据库。纳入接受胰切除术的成年患者，主要结局是术后1年内的全因死亡率。预处理后，采用具有类别平衡的最小绝对收缩和选择算子（LASSO）回归筛选最具信息量的预测因子。在5折交叉验证框架内评估九种机器学习算法，并仅在训练折中应用合成少数类过采样技术（SMOTE）。模型区分度主要通过受试者工作特征曲线下面积（AUC）评估，校准度通过布里尔分数（Brier score）和校准曲线评估。决策曲线分析（DCA）用于评估潜在临床效用。最佳模型进一步通过SHAP进行解释。
结果：共纳入414例患者，其中46例（11.1%）在术后1年内死亡。LASSO筛选出10个核心预测因子。在九种评估算法中，随机森林模型实现了最佳整体区分度，AUC为0.722（95% CI: 0.662–0.777）。该模型校准度可接受，Brier分数为0.120，并在DCA中于广泛阈值概率范围内显示出良好的净获益。SHAP分析显示，手术方式、淋巴细胞计数和年龄是最有影响力的预测因子。在基于SHAP的模型解释中，腹腔镜手术方式似乎与较低的预测1年死亡率相关，且这种模式在老年患者（>65岁）中似乎更明显。
结论：该模型在内部验证队列中预测胰切除术后1年死亡率表现出可接受的性能，并检测到腹腔镜手术方式与较低预测死亡率之间的关联，尤其在老年患者中。这些发现可能支持个体化术后风险分层，并为未来前瞻性研究提供假设。

论文解读：基于可解释机器学习模型的胰切除术后1年死亡率预测研究

**1. 研究背景与问题**
胰切除术（包括胰十二指肠切除术和远端胰腺切除术）是胃肠外科最具挑战性的手术之一，具有较高的围手术期并发症发生率和不容忽视的长期死亡率。尽管微创胰腺手术（如腹腔镜手术）在临床实践中日益普及，既往随机对照试验和多中心研究显示其可改善部分患者的早期恢复和围手术期结局，但其与长期结局的关联仍存在不确定性。准确的术后死亡率预测对于围手术期咨询、风险分层和个体化随访计划至关重要。传统风险模型多基于线性假设，难以充分捕捉人口学、实验室、手术及合并症变量间的复杂交互作用。机器学习技术因其能够建模非线性关系并识别临床数据中的潜在模式，在手术结局预测中展现出潜力。然而，许多机器学习模型因可解释性有限而阻碍了临床转化。因此，本研究旨在开发并内部验证一种用于预测胰切除术后1年死亡率的机器学习模型，并采用SHapley加性解释（SHAP）探索关键临床预测因子的贡献。

**2. 研究设计与方法**
研究人员基于公开可用的INSPIRE数据库（包含韩国某学术机构2011–2020年间约13万例手术的去标识化围手术期数据）开展回顾性队列研究。纳入接受胰切除术的成年患者（≥18岁），主要结局为术后365天内的全因死亡率。预处理阶段移除无预测价值的标识符列，合并症变量缺失值编码为0（对应INSPIRE数据库的二元编码结构），连续变量以中位数填补，分类变量采用独热编码。最终保留34个候选变量。特征选择采用带类别平衡权重的最小绝对收缩和选择算子（LASSO）回归，筛选出10个预测因子：年龄、淋巴细胞计数、手术方式、血小板计数、性别、糖化血红蛋白（HbA1c）水平、体重、凝血酶原时间-国际标准化比值（PT-INR）、恶性赘生物和美国麻醉医师协会（ASA）评分。随后在5折交叉验证框架内评估九种机器学习算法（逻辑回归、随机森林、梯度提升、支持向量机、K近邻、AdaBoost、极端随机树、多层感知机和决策树）。为处理结局类别不平衡，仅在训练折中应用合成少数类过采样技术（SMOTE），以减少数据泄漏。采用随机搜索进行超参数调优，主要优化指标为受试者工作特征曲线下面积（AUC）。模型评估包括区分度（AUC、准确率、敏感性、特异性、阳性预测值、阴性预测值）、校准度（校准曲线和Brier分数）及临床效用（决策曲线分析DCA）。最终模型通过SHAP进行全局和局部解释。统计检验包括Mann-Whitney U检验和卡方检验，所有分析基于Python（pandas、scikit-learn、imbalanced-learn、shap）。

**3. 主要研究结果**
**3.1 基线特征**
共纳入414例患者，其中46例（11.1%）在术后1年内死亡。与存活组相比，非存活组患者年龄更大（中位70岁 vs. 60岁，p<0.001），白蛋白、淋巴细胞计数、血小板计数更低，血糖、HbA1c和中性粒细胞比率更高（均p<0.05）。两组在ASA评分、手术方式和性别分布上存在显著差异（p<0.05）。

**3.2 预测因子筛选**
LASSO回归从34个候选变量中保留了10个非零系数预测因子，包括年龄、淋巴细胞计数、手术方式、血小板计数、性别、HbA1c、体重、PT-INR、恶性赘生物和ASA评分。

**3.3 模型性能比较**
九种算法中，随机森林模型在验证队列中取得最高区分度，AUC为0.722（95%CI: 0.662–0.777）。在默认操作阈值下，随机森林特异性高（0.916）但敏感性低（0.043），提示阈值选择需结合临床用途。逻辑回归AUC为0.711，其余模型AUC略低。基于总体性能，随机森林被选为最终模型。

**3.4 校准与临床效用**
随机森林模型的校准曲线显示预测与观测的1年死亡率较好一致，Brier分数为0.120。决策曲线分析表明，在广泛的阈值概率范围内，模型净获益优于“全部治疗”和“全部不治疗”策略，提示其潜在的临床风险分层价值。

**3.5 SHAP解释**
SHAP分析显示，手术方式、淋巴细胞计数和年龄是模型预测的最重要特征。SHAP汇总图表明，年龄增长和PT-INR升高与预测死亡率增加相关，而淋巴细胞计数升高与预测死亡率降低相关。腹腔镜手术对应的数据点更集中于负SHAP值区域，提示该方式与较低预测1年死亡率相关。

**3.6 非线性交互模式**
SHAP依赖图提示手术方式与连续预测因子间存在潜在非线性交互。模型输出显示，预测死亡率随年龄增长而急剧上升，尤其超过约65岁后；在该高风险年龄范围内，腹腔镜手术方式对应的预测风险低于开放手术。类似探索性模式也出现在淋巴细胞计数较低（<30%）或HbA1c升高（>6.0%）的患者中。

**4. 讨论与结论**
本研究利用公开数据库开发并内部验证了预测胰切除术后1年死亡率的随机森林模型，性能可接受。模型在默认阈值下敏感性低，故不应作为独立筛查工具，而可能用于术后风险分层和个体化随访规划。研究优势包括泄漏感知的类别不平衡处理（仅在训练折应用SMOTE）以及综合评估区分度、校准度和临床效用。SHAP整合增强了模型可解释性，提示腹腔镜手术与较低预测死亡率关联，但此关联应视为模型关联而非因果证据。值得注意的是，SHAP依赖图显示手术方式与预测死亡率的关联在老年、低淋巴细胞或高HbA1c亚组中更明显，但这些交互模式仅作为假设生成信号。研究局限性包括：回顾性设计、单中心数据、外部验证缺乏、结局事件数有限、LASSO特征选择在模型比较前进行（可能存在轻微泄漏）、合并症缺失值编码可能引入错分偏倚，以及模型用于风险预测而非因果推断。未来需多中心前瞻性研究进行外部验证，并进一步探讨交互模式对个体化手术决策的指导价值。总体而言，本研究支持将机器学习与可解释人工智能结合应用于围手术期预后研究。
结论：基于10个常规临床特征的随机森林模型在INSPIRE数据库内部验证中预测胰切除术后1年死亡率表现可接受。SHAP解释表明手术方式、淋巴细胞计数和年龄是模型预测的主要贡献因素。腹腔镜手术与较低预测死亡率之间的关联，尤其在老年高风险患者中，应视为基于模型的假设生成性发现，需独立队列外部验证。这些发现可能支持个体化术后风险评估，并为未来前瞻性研究提供基础。