开发并验证一种用于预测肾细胞癌患者远处转移的机器学习模型：一项基于人群的研究

《World Journal of Surgical Oncology》：Development and validation of a machine learning model for predicting distant metastasis in patients with renal cell carcinoma: a population-based study

　　

摘要

背景

远处转移是肾细胞癌（RCC）患者死亡的主要原因，但目前仍缺乏准确的预测工具。我们的目标是开发并验证一个机器学习模型，以预测初始诊断时已存在的同步远处转移。

方法

我们从SEER数据库中筛选出106,448名RCC患者（2010–2020年），将其分为训练组（n = 52,368）、内部验证组（n = 22,444）和外部验证组（n = 31,636）。通过曲线下面积（AUC）、校准和决策曲线分析比较了九种机器学习算法。使用SHAP分析评估了模型的可解释性。

结果

10.7%的患者存在远处转移。N1期（OR 8.28–9.46）、肿瘤大小大于7厘米（OR 6.30–7.72）、T4期（OR 6.29–8.51）和肉瘤样组织学（OR 1.89–3.28）是独立的风险因素，而嗜色细胞组织学（OR 0.04–0.11）和多灶性肿瘤（OR 0.40–0.53）具有保护作用。梯度提升算法在训练组、内部验证组和外部验证组中的AUC分别为0.906、0.906和0.926。该模型在5%–80%的阈值概率范围内表现出良好的校准性和临床实用性。在不同亚组和敏感性分析中，模型性能保持稳定。我们开发了一个在线计算器（https://952307952pxw.shinyapps.io/RCC-Calculator/）。

结论

我们开发了一个能够准确预测初始RCC诊断时同步远处转移的机器学习模型，具有良好的泛化能力。该在线计算器可以帮助临床医生进行风险分层和个性化决策。