人工智能增强的结直肠癌多学科诊疗一致性建模：性能、可解释性及供给方预算影响的前瞻性评估

《International Journal of Colorectal Disease》：AI-augmented colorectal cancer MDT concordance modelling: a prospective evaluation of performance, interpretability, and provider-side budget impact

　　

摘要

目的

结直肠多学科团队（MDT）面临日益增加的 workload。我们评估了常规收集的结直肠MDT变量是否能为本地MDT一致性建模、可解释的特征归因以及提供者端的预算影响评估提供支持。

方法

对250例在英国某区综合医院MDT（2023年6月至2025年6月）讨论的新诊断结直肠癌连续入组成人进行前瞻性观察性队列研究。六种机器学习模型家族依次在累积的50例患者块上训练，并在后续不重叠的50例患者块上进行测试。主要结局为分组MDT决策一致性。评估了最终块表现、临床模式敏感性、探索性校准、SHAP解释以及提供者端的机会价值。

结果

中位年龄为69.0岁；136例（54.4%）为男性；166例（66.4%）为结肠肿瘤，84例（33.6%）为直肠/肛门/直肠乙状结肠肿瘤。170例（68.0%）建议手术。所有模型家族在各块间准确率均有所提高（P?≤?0.001）。在最终的留出块中，随机森林、梯度提升和神经网络达到1.00一致性（95% CI 0.929–1.000）；逻辑回归、支持向量机和朴素贝叶斯分别达到0.92、0.94和0.76。临床模式敏感性识别出25个独特的核心模式；25个中有24个（96.0%）映射到单一MDT结局。SHAP归因的主要特征为肿瘤部位、新辅助治疗状态、分化/异型增生分级、MRI–TNM描述符、ASA分级和M分期。在95%一致性下，建模的提供者端机会价值在50%采用率下为每100例26,575英镑，全面采用时为42,320英镑。

结论

常规收集的结直肠MDT数据为高MDT决策一致性提供了支持，具有临床合理的解释和潜在的机会价值。这些结果支持进一步评估AI作为MDT一致性和分流支持工具的应用，而非自主治疗决策系统；需要多中心验证。