基于机器学习算法构建甲状腺乳头状癌淋巴结转移的多分子预测模型

A multi-molecular predictive model for lymph node metastasis in papillary thyroid carcinoma based on machine learning algorithms

摘要

目的 甲状腺乳头状癌(papillary thyroid carcinoma，PTC)患者术前淋巴结转移状态的准确评估对个体化诊疗方案的制订至关重要，但现有的临床方法的预测效能仍较为局限。本研究旨在筛选PTC患者发生淋巴结转移的关键分子标志物，构建基于机器学习(machine learning，ML)算法的淋巴结转移风险预测模型，并评估其在辅助临床决策中的应用价值。 方法 从癌症基因组图谱(The Cancer Genome Atlas，TCGA)数据库中获取507例PTC患者的转录组数据，经严格质量控制筛查后，排除50例淋巴结状态(N分期)不明的病例，最终纳入符合纳入与排除标准的病例457例[无淋巴结转移(N0期，N0组)229例，有淋巴结转移(N1期，N1组)228例]，并按7꞉3的比例随机分层划分为训练集(n=321)和验证集(n=136)。采用4种独立的算法[基于负二项分布的差异表达分析(differential expression analysis based on the negative binomial distribution，DESeq2)、数字基因表达的经验贝叶斯分析(empirical analysis of digital gene expression in R，edgeR)、线性模型微阵列分析(linear models for microarray analysis，Limma)及加权基因共表达网络分析(weighted gene co-expression network analysis，WGCNA)]，分别筛选淋巴结转移相关的候选基因集。针对每个基因集，采用最小绝对收缩和选择算子(least absolute shrinkage and selection operator，LASSO)回归筛选核心基因，并在训练集中构建多因素Logistic回归预测模型。采用受试者操作特征(receiver operating characteristic，ROC)曲线、混淆矩阵评估预测模型在训练集、验证集、性别亚组及6种ML算法[广义线性模型(generalized linear model，GLM)、随机森林(random forest，RF)、极限梯度提升(extreme gradient boosting，XGBoost)、人工神经网络(artificial neural network，ANN)、支持向量机(support vector machine，SVM)、朴素贝叶斯模型(naive Bayes model，NBM)]中的稳定性和泛化能力。采用校准曲线(calibration curve，CC)分析、决策曲线分析(decision curve analysis，DCA)及TCGA队列验证基因表达差异，综合评价模型效能。 结果 经edgeR与LASSO回归分析鉴定出11个淋巴结转移相关的特征基因(PI15、IL11、PLA2G5、LY6G6C、FAM178B、MUC21、FN1、PDZK1IP1、STAC2、TMPRSS4、WARS1P1)，基于这些基因构建的多因素Logistic回归预测模型(Model 2)预测效能最优。训练集中，Model 2的ROC曲线的曲线下面积(area under the curve，AUC)为0.802，灵敏度为0.771，特异度为0.797；验证集中，Model 2的ROC曲线的AUC为0.793，灵敏度为0.773，特异度为0.634。跨性别验证结果显示：Model 2在整体人群(AUC=0.780)、女性群体(AUC=0.775)及男性群体(AUC=0.807)中效能稳定。6种ML算法的交叉验证结果显示：Model 2在各种ML算法中的预测效能最为突出，并在不同ML算法下的预测效能呈现出良好的均衡性。CC分析显示：在训练集和验证集中，Model 2均显示出良好的校准效能(Hosmer-Lemeshow拟合优度检验：P_训练集=0.851，P_验证集=0.842)，其预测的淋巴结转移概率与实际观察值具有良好的一致性。DCA结果显示：在训练集中，Model 2在0.10~0.75的风险阈值内表现出显著的临床净获益；在验证集中，Model 2在较低风险阈值(<0.30)下具有一定的临床净获益，但随着阈值增加，其临床获益水平逐渐降低，整体表现不及训练集。Model 2涉及的11个基因(PI15、IL11、PLA2G5、LY6G6C、FAM178B、MUC21、FN1、PDZK1IP1、STAC2、TMPRSS4、WARS1P1)的表达量在N1组中均高于N0组，差异均有统计学意义(均P<0.001)。 结论 本研究基于11个特征基因(PI15、IL11、PLA2G5、LY6G6C、FAM178B、MUC21、FN1、PDZK1IP1、STAC2、TMPRSS4、WARS1P1)构建的Model 2可有效预测PTC淋巴结转移风险，并具有较强的跨队列稳定性、ML兼容性和临床实用性，可作为术前淋巴结状态评估的潜在辅助工具，为个体化诊疗决策提供分子依据。

Abstract

Objective Accurate preoperative evaluation of lymph node metastasis (LNM) status in patients with papillary thyroid carcinoma (PTC) is essential for the development of individualized diagnosis and treatment strategies; however, the predictive performance of current clinical approaches remains limited. This study aims to identify key molecular biomarkers associated with LNM in PTC, construct LNM-risk prediction models using machine learning (ML) algorithms, and assess their potential value in supporting clinical decision-making. Methods Transcriptomic data from 507 PTC patients were obtained from The Cancer Genome Atlas (TCGA). After rigorous quality control, 50 patients with unknown lymph node status (N-stage) were excluded, leaving 457 eligible patients [229 with no LNM (N0) and 228 with LNM (N1)]. Patients were randomly stratified into a training set (n=321) and a validation set (n=136) at a 7꞉3 ratio. Four independent analytical methods—Differential Expression analysis based on the Negative Binomial distribution (DESeq2), Empirical analysis of Digital Gene Expression in R (edgeR), Linear Models for Microarray Analysis (Limma), and Weighted Gene Co-expression Network Analysis (WGCNA)—were applied to identify LNM-associated candidate gene sets. Core genes were further selected from each set using least absolute shrinkage and selection operator (LASSO) regression, and multivariate logistic regression models were built on the training cohort. Model performance and generalizability were evaluated using receiver operating characteristic (ROC) curves, confusion matrices, calibration curves (CC), decision curve analysis (DCA), and ML cross-validation across six algorithms: Generalized linear model (GLM), random forest (RF), extreme gradient boosting (XGBoost), artificial neural network (ANN), support vector machine (SVM), and naive Bayes model (NBM). Results EdgeR combined with LASSO regression identified 11 signature genes associated with LNM in PTC: PI15, IL11, PLA2G5, LY6G6C, FAM178B, MUC21, FN1, PDZK1IP1, STAC2, TMPRSS4, and WARS1P1. The multivariate logistic model constructed from these genes (Model 2) showed the best predictive performance. In the training set, the area under the ROC curve (AUC) was 0.802, with a sensitivity of 0.771 and specificity of 0.797. In the validation set, the AUC was 0.793, with a sensitivity of 0.773 and specificity of 0.634. Sex-stratified analyses confirmed stable performance in the overall cohort (AUC=0.780), females (AUC=0.775), and males (AUC=0.807). ML cross-validation demonstrated that Model 2 achieved superior and well-balanced predictive performance across all 6 ML algorithms. CC analysis demonstrated strong agreement between predicted and observed LNM probabilities (Hosmer-Lemeshow goodness-of-fit test: P_training=0.851, P_validation=0.842). DCA revealed significant net clinical benefit in the training cohort across risk thresholds from 0.1 to 0.75, whereas validation-cohort benefit was present only at low thresholds (<0.3) and declined with increasing thresholds. Expression levels of all 11 signature genes were significantly higher in the N1 group than in the N0 group (all P<0.001). Conclusion The optimized multi-molecular logistic regression model (Model 2) built on 11 signature genes can effectively predict lymph node metastasis risk in PTC patients, demonstrating robust cross-sex stability, strong compatibility across multiple ML algorithms, and potential clinical utility as a preoperative decision-support tool for lymph node status assessment and personalized treatment planning.

Graphical abstract

关键词

甲状腺乳头状癌 / 淋巴结转移 / 机器学习 / 最小绝对收缩和选择算子回归分析 / 预测模型

Key words

papillary thyroid carcinoma / lymph node metastasis / machine learning / least absolute shrinkage and selection operator regression analysis / prediction model

甲状腺乳头状癌(papillary thyroid carcinoma，PTC)是甲状腺恶性肿瘤的主要病理亚型，其全球发病率呈持续上升趋势，已成为女性常见的恶性肿瘤之一^[1]。目前，根治性手术切除仍是临床治疗PTC的标准方案。近年来，伴随着显微外科技术的不断革新，术中喉返神经以及甲状旁腺组织的辨识度显著提高^[2-4]，但仍不可避免地会发生术后并发症，包括永久性喉返神经损伤(0.9%~3.0%)和永久性甲状旁腺功能减退(6.3%~16.2%)，而且患者需要长期接受甲状腺激素替代治疗，会对患者生理机能、心理健康及生存质量造成显著的负面影响^[5-6]。

目前，PTC的临床治疗策略存在明显的分歧，涵盖了从传统根治性手术、主动监测(active surveillance，AS)到射频消融等微创介入疗法的多元化方案。《甲状腺结节和分化型甲状腺癌诊治指南(第二版)》^[5]和美国甲状腺协会(American Thyroid Association，ATA) 2015年发布的《甲状腺结节管理指南》^[7]均指出：针对肿瘤直径<1 cm的低危型PTC患者，AS已被确立为替代性治疗方案。最新的临床证据^[8]表明：针对肿瘤直径<1 cm的低危型PTC患者的AS策略的适应证可扩展至肿瘤直径<2 cm的甲状腺癌患者。然而，该策略实施的关键是要精准排除已经发生淋巴结转移的高危人群。值得注意的是，PTC具有早期淋巴结转移的倾向性特征^[5]，即便是原发灶直径≤1 cm的甲状腺微小乳头状癌(papillary thyroid microcarcinoma，PTMC)患者，仍存在一定的隐匿性转移风险^[9]。因此，构建高精度淋巴结转移预测模型是实现精准医疗决策的有力保障。

现阶段PTC发生淋巴结转移的临床评估主要依据超声、CT等多模态影像学检查，并结合可疑淋巴结细针穿刺活检(fine-needle aspiration，FNA)的细胞病理学结果进行验证。然而，影像学诊断受限于操作者主观判读差异，其诊断准确率在60%~80%^[10-11]。尽管多模态影像联合诊断可部分提高检出效能^[12]，但仍无法满足临床精准预测的需求。既往研究^[13-15]已探讨肿瘤直径、性别、年龄等临床病理特征与淋巴结转移的相关性，但受患者群体异质性显著的影响，单一指标的临床指导价值有限。随着分子病理学的不断发展，术前穿刺标本的多分子检测展现出双重价值：现有研究^[16-18]证实多分子免疫组织化学检测不仅能提高甲状腺结节的诊断准确率，其分子谱特征还能反映肿瘤的侵袭/转移潜能^[19]，这为术前评估淋巴结转移风险提供了潜在的分子依据。

近年来，作为人工智能(artificial intelligence，AI)核心分支的重要技术，机器学习(machine learning，ML)在肿瘤分子标志物筛选和预测模型构建中展现出巨大潜力，与传统统计方法相比，ML能够高效处理高维组学数据(如基因组、转录组、蛋白组)，并通过算法自动识别关键分子特征，显著提升预测模型的稳健性和泛化能力^[20-24]。鉴于肿瘤生物学的高度异质性和单分子标志物预测体系的局限性，亟需构建多维度生物标志物整合预测模型。本研究基于癌症基因组图谱-甲状腺癌(The Cancer Genome Atlas - Thyroid Carcinoma，TCGA-THCA)多组学数据库，通过系统整合基于负二项分布的差异表达分析(differential expression analysis based on the negative binomial distribution，DESeq2)、线性模型微阵列分析(linear models for microarray analysis，Limma)及数字基因表达的经验贝叶斯分析(empirical analysis of digital gene expression in R，edgeR)这3种差异表达分析算法，结合加权基因共表达网络分析(weighted gene co-expression network analysis，WGCNA)筛选淋巴结转移相关候选基因集，并应用最小绝对收缩和选择算子(least absolute shrinkage and selection operator，LASSO)回归结合多元ML算法构建预测模型，最终确立具有显著预测效能的核心基因组合，为PTC精准诊疗体系的优化提供理论框架和转化医学实践路径。

1 对象与方法

1.1 伦理声明

本研究数据来源于公开数据库癌症基因组图谱(The Cancer Genome Atlas，TCGA)。该数据库所有数据均已进行去标识化处理，不包含任何可识别个人身份的信息。本研究仅对既有数据进行二次分析，不涉及新的患者干预信息或样本收集，并已获得中南大学湘雅医院医学伦理审查委员会的豁免批准。

1.2 对象

本研究从TCGA数据库获取PTC的转录组数据及临床病理资料。纳入标准：1)组织病理诊断为PTC的病例；2)具有明确的术后淋巴结转移分期数据[N0(无转移)、N1(存在转移)]的病例。排除标准​：1)临床淋巴结转移状态不明确[记录为NX(区域淋巴结无法评估)、NA(数据不可用/未记录)]的病例；2)非PTC组织样本的测序数据。经严格筛选并排除50例淋巴结状态不明确的病例，最终纳入457例符合标准的病例(N0期229例，N1期228例)。为消除不同测序批次造成的技术变异，本研究对原始基因表达的计数数据进行了标准化预处理，包括低表达基因过滤、测序深度校正及Combat(v3.46.0)批次效应校正，以确保多批次数据间的可比性。

1.3 方法

1.3.1 研究流程

为系统鉴定PTC发生淋巴结转移的关键调控基因，本研究基于TCGA数据库，整合了507例PTC患者的基因表达谱和临床病理数据进行系统化分析(图1)：1)基于TCGA数据库获取PTC患者的基因表达数据和临床病理信息，按照淋巴结转移状态分为N0组 (n=229)与N1组(n=228)；2)利用4种生物信息学算法(DESeq2、edgeR、Limma及WGCNA)筛选与淋巴结转移相关的差异基因；3)采用LASSO回归分析确定关键基因，构建分子预测模型；4)基于受试者操作特征(receiver operating characteristic，ROC)曲线、ML算法及临床分析验证模型效能。

1.3.2 基因差异表达分析

排除临床淋巴结转移状态不明确(NX/NA)的病例后，采用DESeq2(v1.38.3)、edgeR(v3.40.2)及Limma(v3.54.2)这3种独立的差异表达分析算法进行交叉验证。基因表达差异的显著性阈值设定为：|log₂fold change(FC)|>1且错误发现率(false discovery rate，FDR)<0.05，并将显著上调基因纳入候选集，以聚焦与转移风险呈正相关且更易于临床检测的阳性信号。

1.3.3 富集分析

为解析候选基因的生物学功能，使用MetaScape平台进行基因本体论(Gene Ontology，GO)和京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes，KEGG)通路富集分析。

1.3.4 WGCNA

基于WGCNA算法(v1.72)，构建无尺度共表达网络，筛选与淋巴结转移显著关联的共表达模块(采用Pearson相关分析，设定显著性阈值P<0.01)。将模块成员度(module membership，MM)>0.8的基因定义为核心基因，并对其进行GO分析、KEGG通路富集分析。

1.3.5 LASSO回归分析

为降低数据的特征维度并避免模型过拟合，采用glmnet包(v4.1)进行LASSO回归分析。通过十折交叉验证确定最优惩罚系数(λ)，筛选与淋巴结转移显著相关的核心基因。

1.3.6 ML算法构建与验证

将457例患者按7꞉3的比例随机划分为训练集 (n=321)和验证集(n=136)。基于LASSO回归分析筛选出的基因，选择训练集患者数据构建多因素Logistic回归预测模型，并使用rms包(v6.8.0)完成列线图可视化操作。本研究构建的预测模型需要在训练集和验证集中进行效能评估，指标包括ROC曲线的曲线下面积(area under the curve，AUC)及多项诊断指标(包括灵敏度、特异度、准确率、阳性预测值、阴性预测值和F1分数)。

为进一步验证所选基因的特征在不同算法中的稳健性与泛化能力，本研究采用6种ML算法进行模型训练与效能验证：广义线性模型(generalized linear model，GLM；v4.1.3)、随机森林(random forest，RF；v4.7.1.1)、极端梯度提升(extreme gradient boosting，XGBoost；v1.7.8.1)、人工神经网络(artificial neural network，ANN；v7.3.19)、支持向量机(support vector machine，SVM；v1.7.13)、朴素贝叶斯模型(naive Bayes model，NBM；v1.7.2)。

1.3.7 模型校验的校准曲线分析与决策曲线分析

采用校准曲线(calibration curve，CC)评估模型预测概率与实际观察风险的一致性。使用Hosmer-Lemeshow拟合优度检验对模型进行校准度验证，检验P值>0.05表明模型预测值与实际观测值无显著差异，校准性能良好。应用决策曲线分析(decision curve analysis，DCA)评估模型在不同风险阈值下的临床净获益，通过计算模型在不同风险阈值范围内的标准化净获益，可直观展示模型的临床应用价值。

1.4 统计学处理

所有数据的统计分析均基于R语言统计平台(v4.2.3)完成。连续型变量先进行Shapiro-Wilk检验和Levene检验评估数据的正态性及方差齐性。若数据满足正态分布且方差齐，采用独立样本t检验；不符合正态分布和方差齐时，采用非参数的Wilcoxon秩和检验。多组独立样本比较采用单因素方差分析(analysis of variance，ANOVA)或Kruskal-Wallis H检验。分类变量采用例(%)或频数(%)描述，组间差异比较采用卡方检验。双侧检验P<0.05为差异有统计学意义。

2 结 果

2.1 研究对象基线特征

本研究最终纳入457例符合筛选标准的PTC病例，其中228例(49.89%)淋巴结转移病例设为N1组，229例无淋巴结转移病例设为N0组(50.11%)。基线临床特征(表1)比较显示：N0组与N1组年龄(P=0.007)、性别(P=0.027)、原发肿瘤分期T分期(P<0.001)、临床分期(P<0.001)比较，差异均有统计学意义；其中，年龄<45岁的患者群体及女性患者具有较高的淋巴结转移发生率。

2.2 基于多种算法整合的PTC淋巴结转移相关候选基因筛选

本研究采用DESeq2、edgeR、Limma和WGCNA这4种生物信息学算法系统性筛选与PTC淋巴结转移相关的候选基因集，结果显示：1)设定筛选阈值为|log2FC|>1且FDR<0.05，采用DESeq2的差异表达分析筛选出498个显著的差异表达基因(differentially expressed genes，DEGs)，其中表达显著下调基因311个，表达显著上调基因187个(图2A)。将表达显著上调基因纳入候选基因集，定义为与DESeq2-PTC淋巴结转移相关的潜在基因。2)采用edgeR算法筛选出690个DEGs，其中表达显著下调基因431个，表达显著上调基因259个(图2B)，将表达显著上调基因定义为edgeR-PTC淋巴结转移相关的潜在基因。3)通过Limma分析框架筛选出598个DEGs，其中表达显著下调基因170个，表达显著上调基因428个(图2C)，将428个表达显著上调基因定义为Limma-PTC淋巴结转移相关的潜在基因。4)应用WGCNA算法在13个共表达模块中鉴定出MEblue模块与淋巴结转移表型呈显著正相关(r=0.39，P=6×10^-18)，MEblue模块与无淋巴结转移表型呈显著负相关(r=-0.39，P=6×10^-18；图2D)。该模块包含的770个高度协同表达基因被定义为WGCNA-PTC淋巴结转移相关的候选基因集。

2.3 PTC淋巴结转移相关候选基因集的生物学功能

为解析前期筛选获得的PTC淋巴结转移相关候选基因集的生物学功能特征，本研究采用MetaScape平台进行GO分析、KEGG通路富集分析，结果显示：1)基于DESeq2算法筛选出的PTC淋巴结转移相关基因集主要参与细胞外基质(extracellular matrix，ECM)、皮肤发育、骨骼系统发育及抗原处理与呈递相关的信号通路(图3A)；2)基于edgeR算法筛选出的PTC淋巴结转移相关基因集主要参与肌肉细胞骨架调控、ECM相关过程、肌肉收缩及其相关信号通路(图3B)；3)基于Limma算法筛选出的PTC淋巴结转移相关基因集的核心功能主要涉及适应性免疫应答、ECM重塑、抗微生物防御及上皮发育相关的生物学过程(图3C)；4)基于WGCNA算法筛选出的PTC淋巴结转移相关基因集的核心功能主要涉及ECM重塑、管腔形成、细胞间黏附及细胞连接组织相关的信号通路(图3D)。值得注意的是，跨算法间比较结果显示，ECM相关通路“NABA matrisome associated”在4个基因集中均呈现显著富集，这强烈提示ECM重构是驱动PTC淋巴结转移的核心分子机制，其可能通过调控肿瘤细胞的侵袭能力和微环境通信促进转移级联反应的发生和发展。

2.4 淋巴结转移核心基因筛选及模型构建

为系统鉴定PTC淋巴结转移的核心基因，本研究采用LASSO回归分析对4种算法筛选出的候选基因集进行特征选择和模型优化(图4)。结果(表2)显示：1)通过DESeq2算法筛选出187个候选基因，经LASSO回归分析鉴定出9个关键特征基因。这些基因被确定为基于DESeq2算法的核心基因，并基于这9个基因构建了PTC淋巴结转移的多因素Logistic回归预测模型Model 1(图5A)。2)通过edgeR算法筛选出259个候选基因，经LASSO回归分析鉴定出11个关键特征基因。这些基因被确定为基于edgeR算法的核心基因，并基于这11个基因构建了PTC淋巴结转移的多因素Logistic回归预测模型Model 2(图5B)。3)通过Limma算法筛选出428个候选基因，经LASSO回归分析鉴定出9个关键特征基因。这些基因被确定为基于Limma算法的核心基因，并基于这9个基因构建了PTC淋巴结转移的多因素Logistic回归预测模型Model 3(图5C)。4)针对WGCNA算法筛选的MEblue模块基因(n=770)，经LASSO回归分析鉴定出10个核心基因。这些基因被确定为基于WGCNA算法的核心基因，并基于这10个基因构建了PTC淋巴结转移的多因素Logistic回归预测模型Model 4(图5D)。

2.5 4个模型的初步效能比较与最优模型筛选

在训练集和验证集中，本研究采用ROC曲线的 AUC和标准化诊断指标(灵敏度、特异度、准确率、阳性预测值、阴性预测值和F1分数)对模型效能进行系统评估，结果(图6、表3)显示：4个模型在训练集和验证集中均具备一定的预测效能，但Model 2各项评价指标均表现最佳。训练集中，Model 2的AUC为0.802，灵敏度、特异度和准确率分别为0.771、0.797和0.784，F1分数为0.780，对淋巴结转移阳性样本与阴性样本具有可靠的分类鉴别效能。验证集中，Model 2的AUC为0.793，灵敏度为0.773，特异度为0.634，准确率为0.702，F1分数为0.722，提示该模型在独立样本中具有良好的泛化能力。此外，Model 2的阳性预测值和阴性预测值在训练集中分别为0.789和0.779，在验证集中分别为0.678和0.733，表明Model 2对不同类别样本的识别具备均衡性。Model 1、Model 3和 Model 4在个别指标的数据方面具有一定优势，但整体效能和跨数据集稳定性均劣于Model 2。基于多维度效能指标的综合考量，Model 2 在判别能力、稳健性及泛化能力方面均优于其他候选模型，被选定为本研究后续分析及临床应用的最优预测模型。

2.6 4个预测模型在不同性别人群中的预测价值

鉴于PTC淋巴结转移存在性别差异特征，本研究对4个预测模型进行了性别分层验证，结果(图7)显示：Model 2在整体人群(AUC=0.780)及女性群体(AUC=0.775)中表现最佳；在男性群体中，Model 2预测价值(AUC=0.807)仅次于Model 1(AUC=0.811)。值得注意的是，4个预测模型在男性群体中的预测效能普遍优于女性群体，这种性别差异可能与男性PTC患者更具侵袭性的生物学特征有关。

2.7 ML评估模型的稳定性和泛化能力

为评估模型效能对特定ML算法的依赖性，本研究采用GLM、RF、XGBoost、ANN、SVM、NBM共6种经典ML算法进行交叉验证，结果(图8)显示：Model 2在各种ML算法中的预测效能最为突出，并在不同ML算法下的预测效能呈现出良好的均衡性。Model 2在NBM中表现最优(AUC=0.800)，其后依次是RF(AUC=0.767)、XGBoost(AUC=0.746)、GLM(AUC=0.741)、SVM(AUC=0.732)及ANN(AUC=0.726)。

2.8 Model 2的CC分析和DCA

CC分析(图9A)显示：在训练集和验证集中，Model 2均显示出良好的校准效能(Hosmer-Lemeshow拟合优度检验：P_训练集=0.851，P_验证集=0.842)，模型的校准曲线与理想参考线高度吻合，表明其预测的淋巴结转移概率与实际观察值具有良好的一致性。此外，Model 2在训练集和验证集中的均值绝对误差分别为0.044和0.049，证实其具有较高的预测准确性。

DCA结果(图9B)显示：在训练集中，Model 2在0.10~0.75的风险阈值内表现出显著的临床净获益，并在成本-效益比为(1꞉4)~(3꞉2)的区间内达到最优值，表明其在该阈值范围内具有较高的临床应用价值。在验证集中，Model 2在较低风险阈值(<0.30)下具有一定的临床净获益，但随着阈值增高，其临床获益水平逐渐降低，整体表现不及训练集模型。

2.9 Model 2相关基因在PTC中的表达情况

本研究基于TCGA数据库对Model 2涉及的11个基因(PI15、IL11、PLA2G5、LY6G6C、FAM178B、MUC21、FN1、PDZK1IP1、STAC2、TMPRSS4和WARS1P1)的表达水平进行验证，结果(图10)显示：11个基因在N1组与N0组之间的表达水平差异均存在统计学意义(均P<0.001)。

3 讨 论

既往研究^[25-26]显示PTC患者颈部淋巴结转移检出率为13%~60%，而淋巴结转移已被研究^[27-28]证实是影响疾病预后和复发的独立危险因素。因此，构建精准的淋巴结转移风险评估体系，将有助于完善淋巴结转移风险分层，为个体化治疗决策提供科学依据。

近年来，基于临床特征与影像学参数的预测模型研发成为研究热点。顾青青等^[29]通过整合年龄 (≤55岁)、多灶性、肿瘤直径(>1 cm)、包膜侵犯及非桥本甲状腺炎等变量，构建了右侧喉返神经后方淋巴结转移风险预测模型(AUC=0.851)。叶媛媛等^[30]采用增强CT影像组学联合深度学习算法构建联合预测模型，该模型在训练集与验证集中的AUC分别为0.880与0.789。分子生物学研究^[31-32]揭示：肿瘤转移相关分子改变可早于影像学形态变化出现，基于分子标志物的预测体系能够客观反映肿瘤侵袭性，为早期淋巴结转移风险分层提供微观证据，弥补现有影像学方法的不足。与基于临床特征或影像学参数构建的模型相比，本研究构建的分子预测模型具有独特价值：在预测灵敏度方面，分子模型有望识别影像学难以发现的微小转移灶，从而在更早期阶段预警转移风险；在客观性方面，基因表达数据作为连续型变量，可有效避免影像学判读中难以完全消除的主观性差异。然而，本研究构建的分子预测模型也具有一定的局限性：1)相较于易于获取的临床病理特征，分子模型的构建和应用依赖专门的转录组测序数据，获取成本较高，其临床推广具有一定的挑战；2)分子模型效能可能受肿瘤异质性的影响。

本研究基于edgeR差异表达分析与LASSO回归算法，筛选出PI15、IL11、PLA2G5、LY6G6C、FAM178B、MUC21、FN1、PDZK1IP1、STAC2、TMPRSS4和WARS1P1等11个核心基因，并以此构建了多因素Logistic回归预测模型(Model 2)；Model 2在训练集与验证集中的ROC曲线的AUC分别为0.802与0.793，显著优于超声引导下穿刺甲状腺球蛋白检测^[33]的价值(AUC=0.754)；Model 2在训练集中的灵敏度(0.771)、特异度(0.797)、准确率(0.784)、F1分数(0.780)及验证集中的灵敏度(0.773)、特异度(0.634)、准确率(0.702)、F1分数(0.722)均较高，表明模型具有稳定的预测效能。值得注意的是，流行病学数据^[34]显示女性PTC发病率约为男性的2.5倍，但男性PTC通常更具侵袭性，较女性PTC更容易发生淋巴结转移^[35-36]。本研究结果显示：Model 2在总体队列、女性亚组及男性亚组中的AUC分别为0.780、0.775和0.807，提示该模型受性别等人口学因素影响较小，群体适应性良好，具有作为客观生物标志物的稳定性优势。

研究^[37-39]显示ML算法在处理高维数据及非线性关系中具有独特优势。本研究将Model 2基因集结合GLM、RF、XGBoost、ANN、SVM、NBM等多种算法进行验证，均展现出稳健的预测效能。CC分析和DCA结果证实：Model 2具备良好的校准度和临床净获益。分子机制层面，Model 2涉及的11个基因(PI15、IL11、PLA2G5、LY6G6C、FAM178B、MUC21、FN1、PDZK1IP1、STAC2、TMPRSS4和WARS1P1)在N1组中的表达水平均高于N0组，差异均有统计学意义(均P<0.001)，其中PI15、IL11、PLA2G5等基因已被证实参与肿瘤侵袭、转移和免疫逃逸调控^[40-42]。

本研究存在一定的局限性：1)样本量有限且缺乏外部独立队列验证，可能影响模型的泛化能力；2)候选基因的功能验证尚未完成，其调控网络需要进一步阐明；3)相较于易于获取的临床病理特征，分子模型的构建和应用依赖专门的转录组测序数据，获取成本较高，其临床推广具有一定的挑战；4)分子模型效能可能受肿瘤异质性的影响。因此，后续研究需开展多中心、大样本实验来验证和完善模型体系，并尝试构建“分子-临床病理特征-影像”多组学整合模型以提升预测精度，实现更精准的个体化风险评估。

综上所述，本研究基于11个特征基因(PI15、IL11、PLA2G5、LY6G6C、FAM178B、MUC21、FN1、PDZK1IP1、STAC2、TMPRSS4、WARS1P1)构建的Model 2可有效预测PTC淋巴结转移风险，并具有较强的跨队列稳定性、ML兼容性和临床实用性，可作为术前淋巴结状态评估的潜在辅助工具，为个体化诊疗决策提供分子依据。

参考文献

[1] Boucai L, Zafereo M, Cabanillas ME. Thyroid cancer: a review[J]. JAMA, 2024, 331(5): 425-435.

[2] 赵万胜, 杨枋, 代瑞, 等. 甲状腺癌全切术中应用精细化甲状腺被膜解剖技术对喉返神经的影响[J]. 中国现代医学杂志, 2022, 32(19): 86-90.

[3] ZHAO Wansheng, YANG Fang, DAI Rui, et al. Effect of membrane anatomy combined with total thyroidectomy on recurrent laryngeal nerve for patients with thyroid cancer[J]. China Journal of Modern Medicine, 2022, 32(19): 86-90.

[4] 刘琪, 王德伟. 精细化甲状腺被膜解剖技术联合环甲隙显露喉返神经方法在分化型甲状腺癌中的应用价值[J]. 中国普通外科杂志, 2020, 29(5): 635-640.

[5] LIU Qi, WANG Dewei. Application of meticulous capsular dissection technique combined with exposure of recurrent laryngeal nerve in the cricoid thyroid space in treatment of differentiated thyroid carcinoma[J]. Chinese Journal of General Surgery, 2020, 29(5): 635-640.

[6] 朱精强, 田文, 苏安平. 甲状腺围手术期甲状旁腺功能保护指南(2018版)[J]. 中国实用外科杂志, 2018, 38(10): 1108-1113.

[7] ZHU Jingqiang, TIAN Wen, SU Anping. Guidelines for Parathyroid Function Protection During Perioperative Period of Thyroid Surgery (2018 Edition)[J]. Chinese Journal of Practical Surgery, 2018, 38(10): 1108-1113.

[8] 中华医学会内分泌学分会, 中华医学会外科学分会甲状腺及代谢外科学组, 中国抗癌协会头颈肿瘤专业委员会,等. 甲状腺结节和分化型甲状腺癌诊治指南(第二版)[J]. 中华内分泌代谢杂志, 2023, 39(3): 181-226.

[9] Chinese Society of Endocrinology, Thyroid and Metabolism Surgery Group of the Chinese Society of Surgery, China Anti-Cancer Association, Chinese Association of Head and Neck Oncology, et al. Guidelines for the diagnosis and management of thyroid nodules and differentiated thyroid cancer (second edition)[J]. Chinese Journal of Endocrinology and Metabolism, 2023, 39(3): 181-226.

[10] 中国临床肿瘤学会指南工作委员会. 中国临床肿瘤学会(CSCO)分化型甲状腺癌诊疗指南2021[J]. 肿瘤预防与治疗, 2021, 34(12): 1164-1200.

[11] Guidelines Working Committee of Chinese Society of Clinical Oncology. Guidelines of Chinese Society of Clinical Oncology (CSCO) differentiated thyroid cancer[J]. Journal of Cancer Control and Treatment, 2021, 34(12):1164-1201.

[12] Haugen BR, Alexander EK, Bible KC, et al. 2015 American thyroid association management guidelines for adult patients with thyroid nodules and differentiated thyroid cancer: the American thyroid association guidelines task force on thyroid nodules and differentiated thyroid cancer[J]. Thyroid, 2016, 26(1): 1-133.

[13] Ho AS, Kim S, Zalt C, et al. Expanded parameters in active surveillance for low-risk papillary thyroid carcinoma: a nonrandomized controlled trial[J]. JAMA Oncol, 2022, 8(11): 1588-1596.

[14] 任婉丽, 李化静, 李宏慧, 等. 临床淋巴结阴性甲状腺微小乳头状癌患者中央区淋巴结转移危险因素分析[J]. 中国耳鼻咽喉颅底外科杂志, 2024, 30(3): 34-39.

[15] REN Wanli, LI Huajing, LI Honghui, et al. Analysis of risk factors of central lymph node metastasis in patients with clinical lymph node negative papillary thyroid microcarcinoma[J]. Chinese Journal of Otorhinolaryngology-Skull Base Surgery, 2024, 30(3): 34-39.

[16] 张盼盼, 黄岩, 吕小勇, 等. 甲状腺癌中央区淋巴结转移的影响因素及超声检查转移淋巴结的检出率[J]. 临床与病理杂志, 2019, 39(5): 976-982.

[17] ZHANG Panpan, HUANG Yan, Xiaoyong LÜ, et al. Influencing factors of the central lymph node metastases in patients with thyroid carcinoma and efficacy of ultrasonography on its diagnosis[J]. Journal of Clinical and Pathological Research, 2019, 39(5): 976-982.

[18] 张艳, 赵佳航, 王冰, 等. 经淋巴管超声造影可提高甲状腺癌中央区转移淋巴结的检出率[J]. 南方医科大学学报, 2023, 43(2): 219-224.

[19] ZHANG Yan, ZHAO Jiahang, WANG Bing, et al. Contrast-enhanced ultrasonography with intra-glandular contrast injection can improve the diagnostic accuracy of central compartment lymph node metastasis of thyroid cancer[J]. Journal of Southern Medical University, 2023, 43(2): 219-224.

[20] 张琰琰, 邓红艳, 魏思琪, 等. 超声和双源CT对甲状腺癌颈部淋巴结转移及转移负荷的诊断价值[J]. 中国中西医结合影像学杂志, 2024, 22(5): 515-519.

[21] ZHANG Yanyan, DENG Hongyan, WEI Siqi, et al. Diagnostic value of ultrasound and dual-source CT in cervical lymph node metastasis and metastatic burden in thyroid cancer[J]. Chinese Imaging Journal of Integrated Traditional and Western Medicine, 2024, 22(5): 515-519.

[22] 戴理平, 郭艳, 樊秋玲. 甲状腺乳头状癌患者颈部淋巴结转移的影响因素分析[J]. 癌症进展, 2024, 22(18): 1991-1993, 2001.

[23] DAI Liping, GUO Yan, FAN Qiuling. Analysis of influencing factors of cervical lymph node metastasis in patients with papillary thyroid carcinoma[J]. Oncology Progress, 2024, 22(18): 1991-1993, 2001.

[24] 邢芝静, 卢丹, 张乔盟, 等. 甲状腺乳头状癌颈淋巴结转移风险因素分析及模型构建[J]. 现代肿瘤医学, 2024, 32(24): 4608-4615.

[25] XING Zhijing, LU Dan, ZHANG Qiaomeng, et al. Risk factors analysis and model construction of cervical lymph node metastasis in papillary thyroid carcinoma[J]. Journal of Modern Oncology, 2024, 32(24): 4608-4615.

[26] 马小开, 黄建康, 朱博, 等. 228例甲状腺微小乳头状癌临床特征及颈部淋巴结转移危险因素分析[J]. 中国癌症杂志, 2019, 29(8): 590-594.

[27] MA Xiaokai, HUANG Jiankang, ZHU Bo, et al. Clinical characteristics of papillary thyroid microcarcinoma and risk factors for cervical lymph node metastasis: a clinical analysis of 228 cases[J]. China Oncology, 2019, 29(8): 590-594.

[28] 张永生, 王萍萍, 高萍, 等. 免疫组化技术在甲状腺液基细胞学诊断为Ⅲ类-意义不明确细胞非典型病变中的应用价值[J]. 现代肿瘤医学, 2021, 29(11): 1875-1879.

[29] ZHANG Yongsheng, WANG Pingping, GAO Ping, et al. The application value of immunohistochemistry in the diagnosis of thyroid fluid based cytology as class Ⅲ atypical lesions with unclear significance[J]. Journal of Modern Oncology, 2021, 29(11): 1875-1879.

[30] 贾松峰, 龚卉, 李建玲. 超声引导下细针穿刺细胞学联合MK、TK1、Tg-Ab、TPO-Ab在老年甲状腺结节良恶性鉴别诊断中的应用价值[J].中国老年学杂志, 2025, 45(17): 4137-4140.

[31] JIA Songfeng, GONG Hui, LI Jianling. Application value of ultrasound-guided fine-needle aspiration cytology combined with MK, TK1, Tg-Ab and TPO-Ab in the differential diagnosis of benign and malignant thyroid nodules in the elderly[J]. Chinese Journal of Gerontology, 2025, 45(17): 4137-4140.

[32] 许培培, 李梅芳, 李连喜, 等. 超声引导下细针穿刺联合FAM172A在甲状腺乳头状癌诊断中的应用价值[J]. 医学研究杂志, 2019, 48(12): 41-43, 49.

[33] XU Peipei, LI Meifang, LI Lianxi, et al. Value of ultrasound-guided fine needle aspiration combined with FAM172A in the diagnosis of papillary thyroid carcinoma[J]. Journal of Medical Research, 2019, 48(12): 41-43, 49.

[34] 郭迎, 刘力, 郭军. 超声及血清CK-19、Galectin-3、miRNA-363联合诊断PTMC颈部淋巴结转移的临床价值[J]. 临床和实验医学杂志, 2024, 23(3): 313-317.

[35] GUO Ying, LIU Li, GUO Jun. Clinical value of ultrasonography combined with serum CK-19, Galectin-3, miRNA-363 in the diagnosis of cervical lymph node metastasis of PTMC[J]. Journal of Clinical and Experimental Medicine, 2024, 23(3): 313-317.

[36] Bhinder B, Gilvary C, Madhukar NS, et al. Artificial intelligence in cancer research and precision medicine[J]. Cancer Discov, 2021, 11(4): 900-915.

[37] Yin H, Xie J, Xing S, et al. Machine learning-based analysis identifies and validates serum exosomal proteomic signatures for the diagnosis of colorectal cancer[J]. Cell Rep Med, 2024, 5(8): 101689.

[38] Wei F, Azuma K, Nakahara Y, et al. Machine learning for prediction of immunotherapeutic outcome in non-small-cell lung cancer based on circulating cytokine signatures[J/OL]. J Immunother Cancer, 2023, 11(7): e006788[2025-07-21].

[39] 谢辉, 龚鸣, 张见芳, 等. 基于机器学习构建女性盆腔肿瘤放射治疗后放射性直肠炎的预测模型[J]. 中南大学学报(医学版), 2022, 47(8): 1065-1074.

[40] XIE Hui, GONG Ming, ZHANG Jianfang, et al. Construction of a predictive model for radiation proctitis after radiotherapy for female pelvic tumors based on machine learning[J]. Journal of Central South University. Medical Science, 2022, 47(8): 1065-1074.

[41] 蒋泽楠, 宋珑, 梁春水, 等. 基于机器学习的慢性瓣膜病合并心房颤动患者行Cox迷宫IV手术后心房颤动复发风险预测模型[J]. 中南大学学报(医学版), 2023, 48(7): 995-1007.

[42] JIANG Zenan, SONG Long, LIANG Chunshui, et al. Prediction model of atrial fibrillation recurrence after Cox-Maze IV procedure in patients with chronic valvular disease and atrial fibrillation based on machine learning algorithm[J]. Journal of Central South University. Medical Science, 2023, 48(7): 995-1007.

[43] Zhou SL, Guo YP, Zhang L, et al. Predicting factors of central lymph node metastasis and BRAF^V600E mutation in Chinese population with papillary thyroid carcinoma[J]. World J Surg Oncol, 2021, 19(1): 211.

[44] Dou Y, Hu D, Chen Y, et al. PTC located in the upper pole is more prone to lateral lymph node metastasis and skip metastasis[J]. World J Surg Oncol, 2020, 18(1): 188.

[45] 王红群, 刘鹏, 李莹, 等. 甲状腺乳头状癌的预后因素分析[J]. 诊断病理学杂志, 2023, 30(7): 625-629.

[46] WANG Hongqun, LIU Peng, LI Ying, et al. Prognostic factors of papillary thyroid carcinoma[J]. Chinese Journal of Diagnostic Pathology, 2023, 30(7): 625-629.

[47] Wang Z, Ji X, Zhang H, et al. Clinical and molecular features of progressive papillary thyroid microcarcinoma[J]. Int J Surg, 2024, 110(4): 2313-2322.

[48] 顾青青, 王建华, 钱涛, 等. 甲状腺乳头状癌右侧喉返神经后方淋巴结转移的风险预测模型构建[J]. 肿瘤学杂志, 2025, 31(2): 116-121.

[49] GU Qingqing, WANG Jianhua, QIAN Tao, et al. Construction of a prediction model for lymph node metastasis posterior to the right recurrent laryngeal nerve in patients with papillary thyroid carcinoma[J]. Journal of Chinese Oncology, 2025, 31(2): 116-121.

[50] 叶媛媛, 贺克武, 刘奇峰, 等. 增强CT影像组学结合深度学习算法预测甲状腺乳头状癌颈部淋巴结转移[J]. 中国介入影像与治疗学, 2025, 22(3): 196-200.

[51] YE Yuanyuan, HE Kewu, LIU Qifeng, et al. Enhanced CT radiomics combined with deep learning algorithm for predicting cervical lymph node metastasis of papillary thyroid carcinoma[J]. Chinese Journal of Interventional Imaging and Therapy, 2025, 22(3): 196-200.

[52] Chen S, Long S, Liu Y, et al. Evaluation of a three-gene methylation model for correlating lymph node metastasis in postoperative early gastric cancer adjacent samples[J]. Front Oncol, 2024, 14: 1432869.

[53] Mulder EP, Dwarkasing JT, Tempel D, et al. Validation of a clinicopathological and gene expression profile model for sentinel lymph node metastasis in primary cutaneous melanoma[J]. Br J Dermatol, 2021, 184(5): 944-951.

[54] 柴吉鑫, 陈泳, 齐艳涛, 等. 甲状腺球蛋白和抗体定量预测分化型甲状腺癌早期淋巴结转移的列线图模型[J]. 实用临床医药杂志, 2021, 25(21): 7-11.

[55] CHAI Jixin, CHEN Yong, QI Yantao, et al. A nomogram model for early lymph node metastasis of differentiated thyroid carcinoma on basis of thyroglobulin and antibody quantification[J]. Journal of Clinical Medicine in Practice, 2021, 25(21): 7-11.

[56] Siegel RL, Kratzer TB, Giaquinto AN, et al. Cancer statistics, 2025[J]. CA Cancer J Clinicians, 2025, 75(1): 10-45.

[57] Song WJ, Um IC, Kwon SR, et al. Predictive factors of lymph node metastasis in papillary thyroid cancer[J/OL]. PLoS One, 2023, 18(11): e0294594[2025-10-27].

[58] Shi P, Yang D, Liu Y, et al. A protective factor against lymph node metastasis of papillary thyroid cancer: Female gender[J]. Auris Nasus Larynx, 2023, 50(3): 440-449.

[59] 王佩佩, 侯钊, 马慧, 等. 基于机器学习的肾癌患者术后复发风险预测模型的构建与评价[J]. 现代泌尿外科杂志, 2025, 30(3): 240-247.

[60] WANG Peipei, HOU Zhao, MA Hui, et al. Recurrence risk prediction models of postoperative patients with renal cell carcinoma based on machine learning[J]. Journal of Modern Urology, 2025, 30(3): 240-247.

[61] 李青霞, 丁嘉珺, 王邑迪, 等. 机器学习联合多组学对三阴性乳腺癌的研究进展[J]. 空军军医大学学报, 2025, 16(6): 830-835.

[62] LI Qingxia, DING Jiajun, WANG Yidi, et al. Research progress of machine learning combined with multi-omics for triple-negative breast cancer[J]. Journal of Air Force Medical University, 2025, 16(6): 830-835.

[63] 陈金城, 张小勤, 刘杰, 等. 基于机器学习算法构建胸段食管鳞癌患者化疗联合免疫治疗反应预测模型的研究[J]. 陆军军医大学学报, 2025, 47(6): 591-601.

[64] CHEN Jincheng, ZHANG Xiaoqin, LIU Jie, et al. Development of a prediction model for chemotherapy and immunotherapy response in esophageal squamous cell carcinoma patients using machine learning algorithms[J]. Journal of Army Medical University, 2025, 47(6): 591-601.

[65] Jiang Y, Zheng X, Jiao D, et al. Peptidase inhibitor 15 as a novel blood diagnostic marker for cholangiocarcinoma[J]. EBioMedicine, 2019, 40: 422-431.

[66] Moon EJ, Mello SS, Li CG, et al. The HIF target MAFF promotes tumor invasion and metastasis through IL11 and STAT3 signaling[J]. Nat Commun, 2021, 12(1): 4308.

[67] Bi F, Chen Y, Yang Q. Significance of tumor mutation burden combined with immune infiltrates in the progression and prognosis of ovarian cancer[J]. Cancer Cell Int, 2020, 20: 373.

基金资助

湖南社会发展领域重点研发项目(2019SK2031┫。This work was supported by the Hunan Provincial Key Research and Development Program in Social Development)

湖南社会发展领域重点研发项目(China ┣2019SK2031)

RIGHTS & PERMISSIONS

开放获取(Open access)：本文遵循知识共享许可协议，允许第三方用户按照署名-非商业性使用-禁止演绎4.0(CC BY-NC-ND 4.0)的方式，在任何媒介以任何形式复制、传播本作品(https://creativecommons.org/licenses/by-nc-nd/4.0/)。