基于随机生存森林模型的肝外胆管癌根治术后预后预测模型的构建与验证

摘要

背景与目的：肝外胆管癌（ECCA）是一类起病隐匿、侵袭性强且预后较差的恶性肿瘤，其术后复发率高，5年生存率不足20%。现有多数预后模型基于Cox比例风险模型，受比例风险假设及线性关系限制。随机生存森林（RSF）模型作为一种新型机器学习算法，能够捕捉变量间复杂的交互和非线性效应，但在ECCA领域的应用仍较少。因此，本研究基于RSF模型这一机器学习算法，构建根治术后ECCA患者预后模型，旨在精准化、个体化评价根治术后ECCA患者的预后，为临床决策制定提供参考。方法：回顾性纳入2016—2021年SEER数据库中符合纳入标准的根治术后ECCA患者515例，按7∶3比例随机分为训练集（361例）和测试集（154例）。收集人口学及临床特征，采用单、多因素Cox回归构建Cox模型，并通过VIMP法与最小深度法筛选变量建立RSF模型。通过一致性指数（C指数）、曲线下面积（AUC）、Brier评分、校准曲线及决策曲线评估模型性能，并结合Kaplan-Meier生存分析及可解释性工具（SurvSHAP与SurvLIME）进行解释。结果：多因素Cox回归筛选出年龄、人种、收入、T分期、N分期、肿瘤大小及化疗7个独立预后因素。RSF模型则筛选出年龄、肿瘤大小、区域淋巴结阳性率和化疗4个核心变量。测试集中，RSF模型的C指数为0.751，优于Cox模型的0.711;RSF模型1、2、3年AUC分别为0.843、0.749和0.814，整体性能更佳，校准度与临床获益也优于Cox模型。进一步分析显示，区域淋巴结阳性率、年龄及肿瘤大小与生存风险呈非线性关系，化疗则显著降低死亡风险。分层生存曲线提示，不化疗、淋巴结阳性率高、年龄>70岁及肿瘤大小>20 mm患者预后更差。结论：基于RSF的预后模型仅依赖4个临床可及变量，预测性能优于Cox模型，可为ECCA术后个体化生存预测及随访策略制定提供可靠依据。其结合可解释性分析，具有较强的临床应用潜力，有望改善患者生存质量与预后。

关键词

胆管肿瘤 / 胆管,肝外 / 机器学习 / 预后模型