《Diagnostics》：Development of a Machine Learning-Based Triage Score for Medication-Related Osteonecrosis of the Jaw in Osteoporosis Patients Undergoing Tooth Extraction
编辑推荐：
背景/目的：药物相关性颌骨坏死(MRONJ)是骨质疏松患者拔牙后的一种严重并发症。本研究旨在开发并评估一种可解释的、基于机器学习的分诊评分，用于初次牙科就诊时的快速风险分层。方法：本回顾性研究在推导队列中纳入850例骨质疏松患者(443例MRONJ，407例对
背景/目的：药物相关性颌骨坏死(MRONJ)是骨质疏松患者拔牙后的一种严重并发症。本研究旨在开发并评估一种可解释的、基于机器学习的分诊评分，用于初次牙科就诊时的快速风险分层。方法：本回顾性研究在推导队列中纳入850例骨质疏松患者(443例MRONJ，407例对照)，并在559例独立的多中心MRONJ病例中进行外部评估。参考随机森林模型识别出分层特征结构，通过系统超参数优化将其转化为加性整数加权评分系统。使用等渗回归和一阶离散导数分析识别结构转折点。内部性能进一步通过灵敏度、特异度、阳性预测值(PPV)、阴性预测值(NPV)、校准斜率和截距、Hosmer-Lemeshow检验、决策曲线分析、Bootstrap乐观校正和亚组分析进行表征。外部评估评估了三层分布一致性和病例捕获率，并进行非劣效性检验。结果：参考随机森林的受试者工作特征曲线下面积(AUC)为0.792。最终MRONJ分诊评分(范围0-17)包含六个二分类预测因子，且药物途径类别互斥。分诊评分保留了判别性能(AUC 0.772；ΔAUC=0.020；p=0.149)。评分7和14处的两个转折点定义了三个风险等级：低风险(0-6；20.9%)、中风险(7-13；55.3%)和高风险(≥14；83.5%)。在中风险阈值(≥7)处，评分灵敏度为90.3%(95%置信区间[CI] 87.2-92.7%)，特异度为45.0%(40.2-49.8%)；在高风险阈值(≥14)处，特异度升至91.4%，PPV升至83.1%。校准充分(斜率0.994；截距0.0006；Hosmer-Lemeshow p=0.381)，决策曲线分析显示在所有临床相关阈值概率下净获益高于参考策略。Bootstrap乐观校正AUC为0.778，判别性能在年龄、途径、持续时间和部位亚组中保持稳定(AUC范围0.70-0.79)。在外部队列中，≥7阈值处的病例捕获率为非劣效(83.4% vs. 88.0%；Δ=-4.6%；界值-10%)。结论：MRONJ分诊评分在独立多中心队列中显示出稳定的判别能力和可重复的病例捕获。通过依赖初次牙科就诊即可获得的六个变量，该框架可能具有减少不必要的三级转诊和支持更安全临床决策的潜力，尽管这一益处尚未直接证明，需要在前瞻性实施研究中确认。
论文解读：基于机器学习的药物相关性颌骨坏死分诊评分
研究背景与目的：药物相关性颌骨坏死(medication-related osteonecrosis of the jaw, MRONJ)是抗骨吸收治疗的一种严重不良事件，以颌面部持续性坏死骨暴露和慢性感染为特征，可导致剧烈疼痛、口腔功能损害和生活质量下降。随着人口老龄化，骨质疏松患者使用抗骨吸收药物进行骨折预防日益广泛，MRONJ的临床负担也相应增长。拔牙是骨质疏松患者发生MRONJ的常见触发事件，而老年患者因牙周病和严重失牙的高患病率，拔牙需求持续存在。尽管美国口腔颌面外科医师协会(AAOMS)等临床指南已识别出累积药物暴露、药物效力、解剖部位和全身合并症等主要风险因素，但尚缺乏一种能够在初次牙科就诊时实现快速风险分层和转诊决策的简单加性临床筛查评分。近期提出的基于机器学习的MRONJ风险预测模型虽然判别性能优异，但往往涉及复杂输入结构且可解释性有限，限制了在一般门诊牙科环境中的实际应用。因此，研究人员旨在开发并外部评估一种基于初次就诊即可获得信息的可解释加性筛查评分。该研究论文发表在《Diagnostics》。
主要关键技术方法：本研究为回顾性队列研究，推导队列来自Dankook大学牙科医院口腔颌面外科电子病历(2019年1月至2025年6月)，共纳入850例骨质疏松患者(443例MRONJ，407例对照)。外部病例捕获队列来自韩国三家三级大学医院(Chosun大学牙科医院、Wonkwang大学大田牙科医院、Boramae医疗中心)，共559例确诊MRONJ病例。关键技术方法包括：(1) 使用随机森林(random forest)模型识别特征重要性层次结构；(2) 通过系统超参数优化将连续变量(药物持续时间、年龄)转化为二分类阈值，并为六个二分类预测因子分配整数权重；(3) 采用等渗回归(isotonic regression)和一阶离散导数分析识别评分结构转折点(tipping points)；(4) 使用分层5折交叉验证、Bootstrap乐观校正、校准分析、决策曲线分析等进行内部评价；(5) 外部评价采用非劣效性检验评估病例捕获率。
研究结果：
3.1 研究人群：推导队列中，MRONJ患者较对照组年龄更大(中位78岁 vs. 75岁)，抗骨吸收药物暴露时间更长(≥3年比例77.0% vs. 39.6%)，下颌拔牙和高血压患病率更高。外部队列基线特征与推导队列MRONJ患者大致相似。
3.2 参考随机森林模型性能：随机森林分类器通过分层5折交叉验证，合并交叉验证预测得到的AUC为0.792(95% CI: 0.762-0.822)，作为后续加性评分开发的性能基准。
3.3 变量排序与评分配置：变量重要性分析显示特征层次依次为：药物持续时间、下颌拔牙部位、序贯抗骨吸收暴露、心血管合并症、年龄、静脉注射途径。最终评分分配：药物持续时间≥3年：6分；下颌拔牙部位：4分；序贯抗骨吸收暴露：3分；心血管合并症：2分；年龄≥70岁：2分；标准静脉双膦酸盐给药：1分，最大总分17分(因药物途径互斥)。
3.4 MRONJ分诊评分的内部性能：评分AUC为0.772(95% CI: 0.741-0.803)，与参考随机森林无显著差异(ΔAUC=0.020; p=0.149)。Bootstrap乐观校正AUC为0.778，表明整数评分方法具有内在抗过拟合能力。中风险阈值(≥7)灵敏度90.3%，特异度45.0%；高风险阈值(≥14)特异度91.4%，PPV 83.1%。
3.5 校准与决策曲线分析：校准斜率为0.994，截距0.0006，Hosmer-Lemeshow检验p=0.381，显示接近理想的校准。决策曲线分析显示评分在所有临床相关阈值概率下均比“全部治疗”和“不治疗”策略获得更高净获益。
3.6 观察风险梯度与结构转折点：通过等渗回归获得单调解风险曲线，一阶离散导数分析识别出两个转折点：评分6→7处Δ=+12.8%，评分13→14处Δ=+15.5%。固定宽度3分箱分析独立证实了转折点位置。
3.7 三层风险分层：基于转折点将评分分为低风险(0-6分，MRONJ发生率20.9%)、中风险(7-13分，55.3%)和高风险(≥14分，83.5%)(Cochran-Armitage趋势检验p<0.001)。替代截断值敏感性分析确认(7,14)提供了筛查灵敏度与规则入PPV的最佳平衡。
3.8 亚组性能：评分在年龄、药物途径、持续时间和部位亚组中AUC范围0.698-0.789，判别性能稳定。性别因无显著关联且样本量有限未被纳入。
3.9 外部病例捕获评估：外部队列三层风险分布与推导队列MRONJ患者基本一致(χ2=6.95; Cramér's V=0.08)。≥7阈值病例捕获率从88.0%维持至83.4%，差异落入预设非劣效界值(-10%)内(Δ=-4.6%; 95% CI: -9.0% to -0.2%)。累计捕获曲线在两队列间高度吻合。
讨论与结论：讨论部分指出，该评分是筛查工具而非概率预测模型，优先考虑病例捕获性能。评分结构与传统MRONJ病理生理学和流行病学证据一致：药物持续时间权重最高(6分)，符合长期抗骨吸收治疗作为最重要风险因素的共识；下颌部位权重4分，反映其血供及负荷特点；序贯抗骨吸收暴露权重3分，反映双重抑制效应；年龄、心血管合并症和静脉途径权重合理。外部验证中，尽管仅包含阳性病例，但风险分布一致性和非劣效病例捕获证实评分未过度拟合。局限性包括回顾性设计、外部队列仅有病例导致无法估算外部特异度和校准、推导队列患病率富集(52.1%)使得绝对风险率不可外推、队列女性为主(94.6-96.6%)限制普适性、以及部分临床因素(如拔牙方式、拔牙数)因记录不全未纳入。
研究结论翻译：MRONJ分诊评分是一种可解释的加性筛查和转诊工具，适用于接受抗骨吸收药物的骨质疏松患者。通过基于机器学习的特征选择和可解释性优化开发，该评分显示出稳定的内部判别能力(AUC 0.772)、充分的校准(斜率0.994; 截距0.0006; Hosmer-Lemeshow p=0.381)以及所有临床相关阈值下有利的决策曲线净获益。Bootstrap乐观校正(校正AUC 0.778)、嵌套交叉验证以及在年龄、途径、持续时间和部位亚组中一致的判别性能证实了其稳健性。外部病例捕获性能得以保持(≥7分阈值处83.4%)，通过非劣效性检验和累积捕获曲线分析在独立多中心外部队列中确认了可重复性。通过仅依赖初次牙科就诊即可获得的六个变量，该筛查框架可能具有减少不必要三级转诊、改善专科资源分配并支持更安全临床决策的潜力；然而，这一潜在益处尚未由当前回顾性设计直接证明，需要前瞻性确认。在广泛临床采用前，需要在初级牙科保健环境中进行前瞻性全病例-对照外部验证，纳入MRONJ病例和药物暴露对照，以确认阈值可转移性、外部校准和系统层面影响。
