利用常规血液指标通过人工智能预测结直肠癌患者的预后

《npj Digital Medicine》：Artificial intelligence for the prediction of prognosis in colorectal cancer patients using routine blood indices

　　

摘要

结直肠癌（CRC）患者的总体生存率（OS）仍然不理想，尤其是在疾病晚期。本研究旨在利用常规血液指标构建并验证可解释的机器学习（ML）模型，以准确预测多中心队列中的CRC预后。训练队列包括来自Union的850名CRC患者（包含人口统计信息和常规血液数据）；验证队列分别为403名患者（来自合肥）和217名患者（来自石河子）。研究使用了七种事件时间模型以及SHapley Additive exPlanation（SHAP）方法进行模型解释。在评估的模型中，随机生存森林（RSF）算法表现出优异的预测性能。在Union测试队列中，RSF算法的1年、2年和3年生存率AUC分别为0.768、0.775和0.731，并且这一性能在外部验证队列中也得到了保持：合肥队列为0.820、0.805和0.775，石河子队列为0.651、0.706和0.747。SHAP分析表明，CEA、CA125、年龄、MPV、CA19-9、INR和单核细胞等因素对RSF模型的准确预测具有贡献。本研究提供了一种基于常规血液实验室指标的便捷且准确的CRC患者生存预后预测方法。RSF模型有助于肿瘤医生早期识别死亡风险较高的CRC患者，并为个性化治疗提供依据。