基于机器学习的 prognostic 预测模型及儿童肝母细胞瘤网络工具的开发：一项关于 Surveillance, Epidemiology, and End Results (SEER) 数据库的研究

《Pediatric Surgery International》：Development of a machine learning-based prognostic prediction model and a web-based tool for pediatric hepatoblastoma: a Surveillance, Epidemiology, and End Results (SEER) database study

　　

摘要

背景

由于传统风险分层模型的准确性较低，儿童肝母细胞瘤（HB）的预后评估仍然具有挑战性。本研究旨在利用美国监测、流行病学和最终结果（SEER）数据库来开发并比较几种基于机器学习的生存模型，并创建一个在线预测工具，以估计患有HB的儿童的个体化生存概率。

方法

在SEER数据库中，识别出2000年至2021年间诊断出的614名儿童HB患者，并将其随机分为训练集（n=429）和内部保留验证队列（n=185）。这种划分旨在保留足够的数据用于模型开发，同时保留足够的验证队列以评估模型性能。使用最小绝对收缩和选择算子（LASSO）回归分析进行特征选择，并利用训练数据开发了三种预后预测模型（Cox回归、随机生存森林（RSF）和基于深度学习的生存（DeepSurv）神经网络）。通过Harrell一致性指数（C-index）、1年、3年和5年时接收者操作特征曲线（ROC）下的时间依赖区域（AUC）以及决策曲线分析（DCA）来评估模型性能。我们还使用SHapley加性解释（SHAP）分析来解释RSF模型。根据RSF得出的风险评分，将患者分为高风险组、中等风险组和低风险组进行生存分析。最终，开发了一个基于网络的工具，利用患者的个体特征实时预测1年、3年和5年的生存概率。

结果

在验证队列中，RSF模型获得了最高的C-index（0.745），优于DeepSurv（0.720）和Cox回归模型（0.709）。RSF还获得了有利的1年、3年和5年AUC值，且DCA表明在临床相关阈值概率范围内具有更大的净效益。SHAP分析显示，远处转移疾病、手术治疗状态和肿瘤范围是影响生存预测的关键因素。按RSF风险组分层的Kaplan-Meier曲线显示，高风险组、中等风险组和低风险组的生存结果有显著差异（所有比较的对数秩P<0.001）。最终的在线工具允许用户输入患者特征并获取估计的1年、3年和5年生存概率，这可以作为个体化预后评估的辅助参考。

结论

与Cox和DeepSurv模型相比，基于RSF的预后模型在这组回顾性SEER数据中的儿童HB患者中表现出了更好的预测性能。由于模型输出可解释且具有可访问的基于网络的界面，该模型可以作为个体化风险评估的辅助工具。然而，在常规临床应用之前，还需要进行外部验证和前瞻性评估。