基于血清微小核糖核酸与临床因素的食管癌内镜黏膜下剥离术后复发预测模型

摘要

目的 探讨整合临床因素及血清微小核糖核酸-204(miR-204)、微小核糖核酸-134(miR-134)构建的预测早期食管癌患者内镜黏膜下剥离术(ESD)后复发风险的机器学习模型的预测价值。方法 按照1∶1比例选取早期食管癌患者作为研究对象，包括ESD后1年内复发患者与未复发患者各100例，分别纳入复发组与未复发组。比较2组患者的临床资料，采用最小绝对收缩与选择算子(LASSO)回归模型筛选变量，构建随机森林(RF)、逻辑回归(LR)、极限梯度提升(XGBoost)、支持向量机(SVM)共4种机器学习模型。绘制受试者工作特征(ROC)曲线，分析4种机器学习模型对早期食管癌ESD后复发的预测效能。另选取早期食管癌ESD后复发患者与未复发患者各50例作为外部验证集，通过校准曲线和决策曲线分析(DCA)对综合预测效能最佳的模型进行验证。结果 2组患者在病变长径、病灶浸润深度、病灶环周范围、切缘阳性及血清miR-204、miR-134水平方面比较，差异有统计学意义(P<0.05)。4种机器学习模型中，RF模型预测术后复发的F1分数和曲线下面积(AUC)最高，综合预测效能最佳；RF模型中，重要特征变量排序依次为病灶环周范围、miR-204、miR-134、切缘阳性、病灶浸润深度、病变长径。在外部验证集中，RF模型的C指数为0.892, Brier评分=0.112分；校准曲线、DCA曲线显示，RF模型预测值与实际发生率接近，且其风险阈值范围为15%～100%时，具有显著的净获益。结论 基于病灶环周范围、miR-204、miR-134、切缘阳性、病灶浸润深度、病变长径这6个重要特征变量构建的4种机器学习模型中，RF模型对早期食管癌ESD后复发风险的综合预测效能最佳，具有较高的区分度、准确度及良好的临床适用性。

关键词

早期食管癌 / 内镜黏膜下剥离术 / 术后复发 / 微小核糖核酸-204 / 微小核糖核酸-134 / 机器学习模型 / 随机森林模型 / 最小绝对收缩与选择算子回归模型

基金资助

2023年安徽省重点研究与开发计划项目(2023e07020089); 安庆市2023年度医疗卫生类自筹经费科技计划项目(2023Z2010)