尊敬的编辑，

Wu 等人 (2026) 开发了一种基于 RNA 修饰的新型风险评分，作为黑色素瘤预后和免疫治疗反应的预测生物标志物。他们分析了 84 个 RNA 修饰调控因子，进行了基于 LASSO 的特征选择和多元 Cox 回归分析，并在四个独立的免疫治疗数据集中验证了该 10 基因模型。这些结果为生物标志物的开发提供了有前景的基础。在使用来自多个机构的临床和基因组数据进行前瞻性验证之前，RMODscore 尚不能被考虑用于临床转化。

回顾性验证的局限性

使用基因表达综合数据库 (GEO) 队列进行的外部验证证明了向历史队列的迁移性，但无法捕捉到医院内部存储基因组和临床记录时的操作变异性。这种变异性可能源于测序技术、预处理工作流程、治疗方案、人口学构成、删失方法和随访计划等方面的差异，所有这些都可能影响校准和区分度。转录组谱可能具有敏感性且可潜在重新识别，这可能会限制其集中共享。这些因素可能会阻止对原本有前景的特征进行足够规模的评价。

隐私保护联邦框架

联邦验证框架将允许参与的黑色素瘤中心协作评估预先确定的生存模型，同时患者级数据保留在本地中心。每个中心都可以应用共同的数据协调协议，在本地计算固定的 RMODscore，并提供受隐私保护的汇总统计量，用于区分度、校准、临床效用和亚组性能评估。在进行重新校准或系数更新的情况下，可以使用安全聚合来聚合受保护参数更新。此外，还应考虑使用差分隐私梯度裁剪和校准噪声添加，因为仅靠联邦学习并不能消除模型更新导致信息泄漏的可能性。应明确报告隐私参数 epsilon (ε) 和 delta (δ)，以及它们对预测性能和临床效用的影响 (Sheller 等人 2020)。

建议评估方式为：仅本地、标准联邦、带有差分隐私的联邦，以及（如果机构治理允许）集中池化模型。性能指标，如 Harrell's C 指数、时变曲线下面积、积分 Brier 分数、校准斜率和决策曲线净获益，应预先指定。

留一中心验证将提供比仅留出选定的一个中心更强的地理迁移性评估。按年龄、性别、疾病分期、祖先来源和免疫治疗方案进行的亚组分析应评估潜在的性能异质性。还应使用既定的成员推断和梯度重构测试评估隐私稳健性。应报告置信区间和特定中心的性能分布，因为汇总估计值可能会掩盖小型参与中心的较差性能。

迈向多中心临床转化的途径

此类调查将扩展支持 RMODscore 的证据，超越使用公共数据集进行的回顾性验证。在一项多机构医学影像研究中，Sheller 等人 (2020) 发现联邦学习实现的模型质量接近于通过集中数据共享获得的质量。多中心肿瘤学研究也证明了基于 Liu 等人 (2024)、Ogier du Terrail 等人 (2023) 的联邦方法在治疗反应预测中的可行性，而差分隐私已在 Wen 和 Li (2025) 的联邦多组学生存分析中得到研究。因此，隐私保护联邦评估可以确定 RMODscore 在真正的机构差异下是否仍然可靠，同时提供一条关注治理的迈向前瞻性临床验证的途径。

总之，RMODscore 是一个有前景的研究生物标志物，值得进一步前瞻性评估。多中心联邦验证可以通过联合评估区分度、校准、临床效用、亚组性能、隐私风险以及差分隐私引入的隐私 - 效用权衡来加强其临床证据。此类验证应先行于任何关于临床就绪或常规实施的声明。