基于随机森林整合临床、分子及细胞学特征的宫颈癌个体化风险分层模型构建与验证

《BMC Medical Genomics》：Development of a machine learning model for risk stratification of cervical cancer based on cross-sectional data

　　

摘要

背景

宫颈癌是全球女性第四大最常见的恶性肿瘤，在中低收入国家中预后尤其不佳，且晚期诊断比例较高。目前的FIGO分期系统在个体化风险评估方面的预后精确度有限，凸显出对支持及时临床决策的诊断工具的需求。

方法

本研究旨在开发并验证一种结合临床、分子及细胞学特征的机器学习模型，用于宫颈癌在单一时点的个体化风险分层。共纳入中山大学附属第五医院的207名参与者，其中包括151例非癌症病例和56例癌症病例。共收集超过20个变量，包括年龄、血压、HPV基因型、P16表达、血清肿瘤标志物（如SCC、CEA、HE4）以及细胞学分级。采用基于LASSO回归的特征排序进行特征选择，并通过评估随机森林（RF）在不同特征子集上的性能确定最佳预测因子数量，最终确定11个核心预测因子（如SCC、HPV16/18、HSIL）。

结果

本研究评估了11种机器学习模型。RF和LR表现出最强的整体性能，其中RF在评估的所有模型中取得了最高的AUROC（0.966）和敏感性（100%）。基于其在区分度和校准性能方面的均衡表现，RF被选为最终模型。SHAP分析识别出SCC、HPV16/18以及P16状态记录为主要贡献因素。此外，还构建了一个列线图（nomogram）用于临床可视化与解释。

结论

本研究提出了一种具有可解释性的机器学习模型，用于宫颈癌的横断面风险分层，为支持个体化筛查与诊断决策提供了一种潜在方法。进一步的多中心验证以及纵向数据的整合对于提升模型的普适性及未来的预后应用具有重要意义。我们承认，当前研究结果基于单中心数据，外部验证是关键下一步工作。