《Frontiers in Oncology》：Traditional Cox regression outperforms large language models in predicting long-term progression of intermediate to advanced hepatocellular carcinoma
编辑推荐：
本研究系统比较了传统Cox回归与大语言模型（LLMs）在预测中晚期肝细胞癌（HCC）长期进展风险的性能。结果表明，基于TACE联合靶向治疗的基础上，加用消融和/或免疫检查点抑制剂（ICIs）可显著延长无进展生存期（PFS）。传统Cox模型在预测12/24/36个月进展风险时，其时间依赖性AUC（0.72-0.96）稳定优于LLMs，凸显了传统统计模型在长期预后预测中的稳健性。研究为临床预后评估提供了混合建模新思路。
研究背景
肝细胞癌（HCC）是全球发病率和死亡率最高的恶性肿瘤之一。对于中晚期HCC患者，经动脉化疗栓塞（TACE）联合靶向治疗是重要治疗策略。近年来，免疫检查点抑制剂（ICIs）和消融治疗在联合治疗方案中的应用日益广泛，但个体化预后评估仍面临挑战。
研究方法
本研究纳入576例中晚期HCC患者，随机分为训练集（n=403）和验证集（n=173）。通过单因素和多因素Cox回归分析确定独立预后因素，构建预测无进展生存期（PFS）的列线图模型。同时评估三种大语言模型（DeepSeek R1、DeepSeek V3、Qwen/QWQ-32B）的预测性能。采用时间依赖性曲线下面积（AUC）、决策曲线分析（DCA）、校准曲线等指标综合评价模型性能。
治疗疗效分析
研究显示，在TACE联合靶向治疗（双疗法）基础上，加用消融和/或ICIs可显著延长PFS。四联疗法（双疗法+消融+ICIs）患者中位PFS达12.3个月（95%CI=9.9-14.1），显著优于单纯双疗法组的5.8个月（95%CI=5.1-7.7）。根据mRECIST标准，客观缓解率（ORR）和疾病控制率（DCR）分别达到74.4%和97.4%。
预后因素识别
多因素Cox分析确定年龄（>46岁）、治疗方式、凝血酶原时间活动度（PTA>67%）和mRECIST反应为独立预后因素。基于此构建的列线图在训练集中预测12/24/36个月PFS的AUC分别为0.72、0.77、0.96，验证集中分别为0.75、0.81、0.97，显示出优秀的判别能力。
模型比较结果
与传统Cox模型相比，除DeepSeek R1在训练集12/24个月的表现外，三种LLMs在所有时间点的预测性能均较差。决策曲线分析显示，在验证集中Cox模型在12/24个月的临床净获益略优于LLMs。净重分类改进（NRI）和综合判别改进（IDI）分析进一步证实Cox模型的优越性。
讨论与展望
研究表明，虽然LLMs在疾病诊断和短期风险评估中展现出潜力，但在处理生存分析特有的删失数据和时变风险时存在局限。传统Cox模型基于结构化数据，具有高解释性和统计稳健性，更适合长期预后预测。未来可探索将LLMs处理非结构化数据的能力与Cox模型的统计优势相结合，构建更强大的混合预测框架。
研究局限性
本研究为单中心回顾性研究，需要多中心外部验证。36个月时极高的AUC值可能与此时仅剩3例无事件患者导致的类别不平衡有关。LLMs评估仅基于结构化数据，未纳入影像、病理等非结构化信息，可能低估其预测潜力。
结论
联合消融和/或ICIs可显著延长中晚期HCC患者的PFS。传统Cox回归模型在长期进展风险预测中稳定优于大语言模型。两者优势互补有望整合结构化建模的稳健性与LLMs处理多源数据的能力，提升预测准确性。
