机器学习算法在早期肝细胞癌术后复发预测中的应用价值

摘要

目的比较多种机器学习算法在早期肝细胞癌（HCC）术后复发预测中的效能。方法回顾性分析2009年5月至2019年12月南京医科大学第一附属医院收治的882例接受根治性手术切除的早期HCC患者的临床资料,其中男性701例,女性181例,年龄（57.3±10.5）岁（范围:21～86岁）。将患者按2∶1随机分为训练集（588例）和测试集（294例）。构建的机器学习预测模型包括随机生存森林（RSF）、梯度提升机、弹性网络-Cox回归和Cox回归模型。采用一致性指数（C-index）衡量模型预测的准确性、综合Brier分数量化模型的预测误差、校准曲线反映模型的拟合情况。比较机器学习模型、竞争模型和HCC分期系统的预测效能。所有模型均在独立的测试集内进行验证。结果训练集内患者中位无复发生存时间为61.7个月,测试集内患者中位无复发生存时间为61.9个月,两组患者无复发生存情况的差异无统计学意义（χ2=0.029,P=0.865）。RSF模型由5个常用临床病理学特征构成:白蛋白-胆红素分级、血清甲胎蛋白、肿瘤数目、肝切除方式和微血管侵犯。在训练集和测试集中,RSF模型的C-index值分别为0.758（95%CI:0.725～0.791）和0.749（95%CI:0.700～0.797）,综合Brier分数分别为0.171和0.151。RSF模型对早期HCC复发预测的准确性优于其他3种机器学习模型、竞争模型（ERASL模型）及HCC分期系统（巴塞罗那分期、中国肝癌的分期方案、TNM分期）,差异均有统计学意义（P值均＆0.01）。校准曲线提示,RSF模型的预测概率与实际观察值具有较好的一致性。RSF模型可将早期HCC患者的复发风险分为低危、中危和高危组,在训练集和测试集内三组患者无复发生存情况的差异有统计学意义（P＆0.01）。RSF模型对早期HCC术后复发风险的分层明显优于TNM分期。结论本研究构建的RSF模型集合了5个常用临床病理学特征,可较为准确地预测复发风险。