用于卵巢癌生存预测的紧凑型模糊规则决策级融合方法，结合了受控模态扩展技术

《IEEE Transactions on Fuzzy Systems》：Compact Fuzzy-Rule Decision-Level Fusion for Ovarian Cancer Survival Prediction With Controlled Modality Extension

　　

在上皮性卵巢癌中，准确的生存风险分层仍然具有挑战性，因为预后信息分布在不同的临床、组织病理学、放射学和分子层面，而且不同队列中的检查手段可用性往往不完整。我们提出了一种基于主要临床-组织病理学生存模型的紧凑型模糊规则决策级融合框架，并通过受控的检查手段扩展分析进行了扩展。该主要模型使用校准后的单峰风险评分，结合模糊成员嵌入、规则筛选和紧凑规则提取方法，生成用于后续分析的固定生存评分。在临床-组织病理学完整病例子集中，该紧凑模型在TCGA-OV数据集中的C指数为0.6771，在独立的Memorial Sloan Kettering Cancer Center队列中的C指数为0.6085，并在评估的所有两种检查手段融合方法中表现出最强的外部区分能力。配对自举分析显示，与仅使用临床单峰评分或QMF方法相比，该模型有显著提升；其余的成对比较虽然方向上有利，但并不都具有统计学意义。CT放射组学作为一种辅助检查手段，在可用性不完全的情况下仅提供了有限的局部改进，并未改变主要模型的结果。在匹配的分子亚集中，转录组学提供了超出固定主要评分的实质性补充信息；而反向增量分析表明，主要模型在分子评分之外仍保留了非冗余的预后信息。探索性生物学分析将联合分子扩展评分与高风险肿瘤中免疫相关程序和模块的减弱以及细胞外基质和迁移通路的富集联系起来。这些发现支持了一种紧凑、可解释且以实际应用为导向的卵巢癌生存建模决策级融合策略。