基于机器学习算法的胰腺导管腺癌预后模型构建及其验证

摘要

背景与目的：胰腺导管腺癌（PDAC）是胰腺癌中最常见的病理类型，其远期预后差，缺乏个体化的预后评价工具。本研究通过SEER数据库中的大样本真实世界数据，基于机器学习算法，构建PDAC患者预后列线图，旨在精准化、个体化评价PDAC患者的预后，为临床决策制定提供参考。方法：根据纳入和排除标准，提取SEER数据库2000—2018年期间经病理学确诊为PDAC患者的临床病理及预后资料。按7∶3随机分为训练集和验证集。在训练集中，分别采用单（多）因素Cox比例风险模型、LASSO回归模型和随机生存森林模型筛选影响PDAC预后的独立因素，构建预测6、12、36个月肿瘤特异性生存期（CSS）和总生存期（OS）的列线图模型。随后，分别在训练集和验证集中利用一致性指数（C指数）、受试者工作特征（ROC）曲线、校准曲线、生存曲线、决策曲线分析对模型进行验证和评估。结果：本研究共纳入4 237例患者，其中训练集2 965例，验证集1 272例，两组基线资料均衡可比。训练集和验证集中患者的中位随访时间分别为18 (9～36)个月和18 (9～37)个月。多因素Cox比例风险模型显示，年龄、T分期、N分期、M分期、分化程度、手术、系统治疗和化疗是OS的独立影响因素（均P<0.05）；年龄、T分期、N分期、M分期、分化程度、手术和化疗是CSS的独立影响因素（均P<0.05）。LASSO回归模型显示，年龄、分化程度、T分期、N分期、M分期、化疗、手术、淋巴清扫范围、放疗和系统治疗与OS相关；分化程度、T分期、N分期、M分期、化疗、手术、淋巴清扫范围、放疗和系统治疗与CSS相关。随机生存森林模型显示，影响OS的重要性评分前五位变量分别为：系统治疗、分化程度、N分期、化疗和T分期；而影响CSS的重要性评分前五位变量分别为：系统治疗、分化程度、N分期、化疗和AJCC分期。基于多因素Cox回归模型、LASSO回归模型和随机生存森林模型的分析结果并结合临床重要性，最终选择年龄、T分期、N分期、M分期、分化程度、手术和化疗，共七个临床特征成功构建预测6、12、36个月的OS和CSS的预测模型。模型验证结果表明，对于OS，在训练集和验证集中的C指数分别为0.692 (95%CI=0.681～0.704)和0.680 (95%CI=0.664～0.698)；对于CSS，在训练集和验证集中的C指数分别为0.696 (95%CI=0.684～0.707)和0.680 (95%CI=0.662～0.698)。ROC曲线表明模型具有良好的预测价值；校准曲线均靠近理想的45°参考线。结论：年龄、TNM分期、分化程度、手术和化疗是PDAC患者预后的独立影响因素；基于这些变量构建的预测模型，有较高的区分度和准确度。有助于临床医师为PDAC患者制定精准的、个体化的治疗和随访方案。

关键词

胰腺肿瘤 / 预后 / SEER规划 / 机器学习 / 列线图