基于真实世界数据的时间非齐次马尔可夫模型预测前列腺癌疾病进展与死亡风险

《iScience》:Predicting disease progression and mortality in prostate cancer using real-world data-driven time-inhomogeneous Markov models

【字体: 大 中 小 】 时间:2026年09月19日 来源:iScience 4.5

编辑推荐:

  前列腺癌的疾病进展在不同患者间存在差异。理解疾病轨迹和死亡风险对于改善医疗保健至关重要。本研究利用香港全域电子病历,构建了时间非齐次马尔可夫模型(time-inhomogeneous Markov model)以估计10年疾病进展。该模型使用2010–2012

  
前列腺癌的疾病进展在不同患者间存在差异。理解疾病轨迹和死亡风险对于改善医疗保健至关重要。本研究利用香港全域电子病历,构建了时间非齐次马尔可夫模型(time-inhomogeneous Markov model)以估计10年疾病进展。该模型使用2010–2012年间新诊断的3,274例患者数据构建。其电子病历定义了基线协变量(年龄、查尔森合并症指数[CCI]和前列腺特异性抗原[PSA]水平)以及时变健康状态。轻度病例(年龄≤65岁,CCI=0,PSA≤4 ng/mL)被预测在5年和10年时的死亡率分别为16.9%和28.0%。在独立的2013年队列上进行评估,该模型在无转移生存(一致性指数[C-index]:0.780;95%置信区间[CI]:0.723–0.837)和总生存(C-index:0.787;95% CI:0.731–0.843)方面表现出强大的预测性能,超过了Cox比例风险模型和随机生存森林模型。本研究为长期进展风险预测和卫生经济学评价提供了一个实用工具。
**研究背景与问题**
前列腺癌(prostate cancer, PCa)是全球男性中最常见的恶性肿瘤,其发病率和死亡率自1990年至2019年分别上升了116%和108%,2020年新发病例达141万例,死亡37.5万例。随着人口增长和老龄化,PCa带来的经济负担日益加重。准确预测疾病进展和预期寿命有助于适时治疗并避免对低危患者的不必要干预。已有工具如CAPRA评分、MSKCC列线图及PREDICT Prostate模型虽可预测部分结局,但传统生存模型如Cox比例风险模型一次只能分析单一终点,难以全面刻画疾病轨迹。多状态马尔可夫模型提供了更灵活的框架,但既往研究多依赖临床试验数据,存在随访时间有限、缺乏个体层面信息等局限。电子病历(electronic medical records, EMR)可提供覆盖完整疾病过程的大规模个体数据,为精细建模提供了可能。然而,现有PCa马尔可夫模型多采用简化的三状态结构,未纳入去势抵抗和转移等关键临床里程碑,难以反映真实疾病进程。因此,研究人员构建了时间非齐次马尔可夫模型,利用香港全域EMR数据预测PCa患者10年疾病进展,并评估其预测性能。

**研究设计与核心技术方法**
该研究基于香港医院管理局管理的全域EMR数据库,该数据库覆盖香港约73%的住院记录。训练队列纳入2010–2012年新诊断PCa(ICD-9-CM:185)患者3,274例,验证队列为2013年新发983例,排除诊断当日已转移或死亡及无基线PSA记录者。健康状态依据国际指南定义,主分析采用四状态(激素敏感、局部进展、转移进展、死亡),敏感性分析采用七状态结构(如激素敏感、局部稳定、局部去势抵抗等)。基线协变量包括年龄、查尔森合并症指数(CCI)和PSA水平。转移强度用Weibull分布建模,通过Kolmogorov前向方程计算转移概率。对照组采用Cox比例风险模型和随机生存森林(RSF),以一致性指数(C-index)和ROC曲线评估性能。

**研究结果**
*研究人群*
训练队列平均年龄73.0±8.59岁,验证队列73.0±8.75岁,基线特征均衡。训练队列中63.6%无CCI相关合并症,56.3%基线PSA>10 ng/mL;中位随访3.97年,共记录1,530例(46.7%)死亡。

*疾病进展预测*
四状态模型预测:轻度患者(年龄≤65,CCI=0,PSA≤4 ng/mL)5年转移概率为6.9%,5年和10年死亡率分别为16.9%和28.0%;重度患者(年龄>80,CCI≥3,PSA>10 ng/mL)转移概率反而较低(5年5.2%,10年2.6%),但死亡率显著升高(5年40.4%,10年58.6%)。按训练队列比例加权的平均转移概率5年为5.8%、10年为3.7%,死亡率5年21.7%、10年35.0%。

*OS预测性能*
四状态模型对总生存(OS)的C-index为0.787(95% CI:0.731–0.843),显著高于Cox-PH(0.607)和RSF(0.589);五年和十年生存人数预测准确率分别为90.0%和72.5%。七状态模型C-index为0.751,略低。

*MFS预测性能*
四状态模型对无转移生存(MFS)的C-index为0.780(95% CI:0.723–0.837),优于Cox-PH(0.630)和RSF(0.617);五年和十年无事件人数预测准确率分别为90.8%和72.7%。七状态模型C-index为0.748。ROC曲线结果与C-index一致。

**讨论与结论**
本研究构建的时间非齐次马尔可夫模型在独立队列中表现出良好的10年全因死亡预测能力(C-index 0.787),接近已报道的顶级模型如PREDICT Prostate(0.79)和CAPRA评分,且无需活检和临床分期信息,实用性较强。时间非齐次设置克服了传统马尔可夫假设的局限性,更有效地捕捉了时间动态。多状态框架可解释地刻画疾病轨迹,支持个体化风险分层和卫生决策。然而,敏感性分析显示七状态模型的C-index略低于四状态模型,提示模型复杂度需权衡,简约结构可能更优。研究局限性包括缺乏病理组织学信息、未显式纳入后续治疗、单一医疗系统数据可能限制外推。未来需在多样本中外部验证,并整合更丰富的临床病理数据及机器学习算法。结论:该研究为预测PCa十年进展提供了实用工具,多状态马尔可夫模型结构与时间非齐次转移概率为描述疾病轨迹和辅助决策提供了可解释的方法。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号