《Bioengineering》：Machine Learning and Explainable AI for Breast Cancer Patient Prioritization: An Intelligent Decision-Support Framework
编辑推荐：
乳腺癌仍是全球重大健康负担，凸显出对风险分层与临床决策支持有效方法的需要。传统方法如乳腺影像报告和数据系统（Breast Imaging Reporting and Data System, BI-RADS）与组织病理学分类主要依赖临床评估，可能未充分考虑相关
乳腺癌仍是全球重大健康负担，凸显出对风险分层与临床决策支持有效方法的需要。传统方法如乳腺影像报告和数据系统（Breast Imaging Reporting and Data System, BI-RADS）与组织病理学分类主要依赖临床评估，可能未充分考虑相关人口学与行为学特征。为克服这些局限，研究人员提出一种集成K-Means聚类、随机森林（Random Forest, RF）分类与可解释人工智能（eXplainable Artificial Intelligence, XAI）的框架，用于支持乳腺癌风险分层与患者优先级排序。该方法先通过聚类将患者划分为低、中、高风险组，再用监督式机器学习复现聚类得到的风险类别，准确率达98%。为增强可解释性，研究人员引入局部可解释模型无关解释（Local Interpretable Model-Agnostic Explanations, LIME），识别对个体分类影响最强的变量，包括身体质量指数（Body Mass Index, BMI）、母乳喂养史与母亲年龄。该框架整合多维度患者信息，在提升决策透明度的同时提供更全面的风险刻画；其较简单且可扩展的架构也便于在资源有限医疗环境中部署。仿真实验进一步对该优先级策略进行概念验证：与随机选取患者相比，该策略平均严重度评分更高（1.66对0.92），并将4.3倍更多高危患者排在优先位置。结果表明，该框架可作为智能决策支持工具，在医疗能力受限时支持乳腺癌患者优先级排序与资源配置。
研究背景方面，乳腺癌是全球高发且高致死性疾病，早期检测、风险分层与个体化照护面临挑战。传统BI-RADS与组织病理学分类虽有价值，但常依赖主观解释、参数范围窄，忽视人口学和行为学等因素。机器学习（Machine Learning, ML）具备处理异质数据能力，但多数模型缺乏可解释性，且聚类与监督学习常被孤立使用，形成“黑箱”问题。可解释人工智能（eXplainable Artificial Intelligence, XAI）如局部可解释模型无关解释（Local Interpretable Model-Agnostic Explanations, LIME）可提升透明度，但在乳腺癌风险分层中的整合仍不足。因此，研究人员在《Bioengineering》发表该文，提出聚类、监督学习与XAI统一的框架，用于已确诊乳腺癌患者的相对风险分层与资源受限下的优先级排序，而非癌症检测或预后预测。
关键方法上，研究人员使用古巴哈瓦那Comandante Manuel Fajardo临床外科大学医院1160名已确诊乳腺癌女性、共21个变量的数据集；经缺失值处理、分类变量序数编码、连续变量标准化与基于Pearson相关的特征选择后，采用K-Means聚类得到低、中、高风险组，以肘部法确定k=3；再用随机森林（Random Forest, RF）以聚类标签训练并预测风险类别；以LIME解释个体预测；在簇内用欧氏距离到质心并归一化，结合簇权重计算加权优先级评分；最后用300例患者仿真比较随机选择与优先级选择。
- 4.
Results
4.1. Elbow Method Analysis for Optimal Clustering
研究人员通过肘部法分析簇内平方和（Within-Cluster Sum of Squares, WCSS）随簇数变化，在k=3处出现明显拐点，据此将患者分为低、中、高三组，主成分投影也显示三组可空间区分。
4.2. Supervised Model Performance Evaluation
随机森林在测试集复现聚类标签的准确率为98%，低、中、高风险组精确率、召回率与F1均较高；混淆矩阵显示三类一致性好。研究人员强调该准确率是对数据驱动分层的复现，并非独立临床验证。
4.3. Local Interpretability Analysis of Patients
以患者13和26为例，LIME显示低BMI、早初潮推低风险，未哺乳、高体重等推中风险；患者26因高体重、较长母乳喂养时长与加权优先级更倾向中风险。说明个体可同时具多组特征，LIME能揭示标签背后的驱动因素。
4.4. Prioritization Results by Risk Group
研究人员按加权优先级评分在各风险簇内排序，分别列出低、中、高风险簇内前10名患者，使组内优先顺序可解释且便于识别需尽快处理者。
4.5. Proof-of-Concept Evaluation of the Prioritization Strategy
在300例患者仿真中，优先级策略选中患者平均严重度评分1.66，随机选择为0.92；优先级策略纳入60名高危患者，随机仅14名，证明该逻辑在资源受限下可把高危患者排前。
讨论部分指出，框架优势是聚类、监督学习与XAI一体化，多维变量增强风险刻画，简单可扩展利于资源受限环境；局限包括标签来自聚类而非独立临床终点，98%准确率不是临床验证；欧氏距离为几何近似而非临床严重度；单人群限制推广；未用纵向结局验证；LIME对扰动采样敏感，SHAP可作补充。未来需外部人群、纵向数据、PCA与距离度量改进及XAI比较。
- 6.
Conclusions
研究人员得出结论：该框架通过K-Means聚类、随机森林（Random Forest, RF）与局部可解释模型无关解释（Local Interpretable Model-Agnostic Explanations, LIME）集成，提供了可扩展且可解释的乳腺癌患者分层与优先级排序方案；在未见数据中以98%准确率复现聚类分层；BMI、母乳喂养史与母亲年龄等为重要解释变量；概念验证仿真显示其较随机选择更有利于高危患者，但属操作行为证据而非临床有效性；该框架可适配不同医疗系统，尤其适用于中低收入国家资源高效配置，是为已确诊乳腺癌患者提供风险排序而非疾病检测的智能决策支持工具。
