背景：
骨肉瘤的治疗决策需要准确的预后评估，然而使用机器学习（ML）模型存在问题，因为当模型应用于不同数据集时，其性能会持续下降。目前基于单一数据集的模型只能学习特定人群的模式，而无法掌握具有普遍性的疾病特征，这限制了它们的临床应用。我们开发了一个多组件模型（多模型）ML框架，通过在两个国家级注册系统中进行领域对抗性训练，将结构化的临床变量与基于文本的患者数据相结合，以学习具有普遍性的疾病模式，并实现对不同人群的可靠生存预测。
方法：
我们使用来自两个国家级癌症注册系统的数据进行了回顾性研究：SEER（监测、流行病学和最终结果；n = 4,278名患者，2004年至2015年）和NCDB（国家癌症数据库；n = 4,049名患者，2004年至2018年）。我们比较了单一模型与多模型在跨数据集上的性能。主要评估指标包括2年和5年总生存预测的绩效指标，通过接收者操作特征曲线下面积（AUC）、精确度、召回率、F1分数和Brier分数来衡量。
结果：
单一模型在内部验证中表现良好（AUC为0.898至0.927），但在跨数据集验证中的性能显著下降（AUC为0.563至0.665）。多模型方法在2年生存率的跨数据集AUC为0.708至0.843，在5年生存率的跨数据集AUC为0.648至0.798，所有评估指标上均比单一模型提高了0.085至0.199。
结论：
多模型ML方法在多个医疗数据集中展示了改进的骨肉瘤预后能力，解决了基于单一数据集的模型的泛化挑战。跨数据集性能的提升表明，该方法有潜力用于指导手术计划、辅助治疗选择和患者咨询。需要前瞻性验证来评估其临床影响。
证据水平：
预后 III级。有关证据水平的完整描述，请参阅作者指南。
