AUC高达0.96 CDSS可准确预测肺癌患者生存期｜研究

2022-4-1 关键词： 临床决策支持(CDSS)

肺癌是对人群健康威胁最大的恶性肿瘤之一，死亡病例居所有癌种首位。尽管近年来医疗技术与生物学取得进步，但肺癌存活率仍然有限。如果能够准确预测肺癌患者生存期，并结合影响生存的因素制定个体化治疗方案，或能改善患者预后。

近期，一项发表在Rep Pract Oncol Radiother的前瞻性研究显示，相对使用指南推荐的医学变量进行肺癌患者生存期预测，基于CDSS的患者数据挖掘方法可有效提高预测准确性（AUC值最高达0.96），反映CDSS可辅助临床根据肺癌患者生存期进行个体化考虑，制定循证管理方案。

预测模型AUC值高达0.96

或最适用于小细胞肺癌

数据挖掘是从大量多源异构的数据中挖掘有价值的知识，自2000年以来，人们对临床数据挖掘的兴趣与日倍增，标题包含“数据挖掘”的论文数量增加了10倍。基于数据挖掘的CDSS可预测肺癌发病、患者放疗期间发生的风险等，但缺乏对生存期的研究。因此，研究者提出构建CDSS来预测肺癌患者生存期，并将获得的信息作为临床指南的补充应用。

影响肺癌患者生存期的医学变量包括基因组、治疗等，该研究纳入了西班牙2家肿瘤医院2013-2017年间543名肺癌患者的多中心前瞻性数据（表1），为预测模型提供信息。数据集包括日常护理期间收集的临床信息，共有1167个变量，但只有年龄、性别、肿瘤组织学等部分变量在90%以上的患者中可用。生存时间设定为从诊断日期到死亡或最后一次接触的日期。

表1 患者特征

研究者采用梯度提升（XGBoost）与逻辑回归2种分类算法创建了预测模型，然后使用预测模型、指南推荐的变量2种方法，分别多维度评估患者的生存期：一是按照使用数据的时间段，分为使用治疗前数据（预处理数据）、使用治疗数据与使用所有数据3种维度；二是按肺癌类型，分为肺癌患者、非小细胞肺癌（NSCLC）、小细胞肺癌（SCLC）；三是将患者划分为所有患者、随访时间≥18个月的患者。由此得出36个AUC值（表2）。

表2 使用CDSS与使用指南得出的预测结果

总体而言，使用CDSS预测肺癌患者生存期的AUC值均≥0.7，其中SCLC患者的预测AUC值最高，高达0.96；而使用指南预测的AUC值均低于0.7（图1），且与CDSS预测结果相反，在SCLC患者的预测中获得了0.42的最低AUC值。造成这种结果的原因之一在于两种方法使用的变量数目不同，例如，肺癌患者治疗前的评估，预测模型自动从患者数据中提取了13种变量进行分析，而使用指南的变量仅有肺癌分期、组织学2种。

图1 使用CDSS与使用指南得出的预测结果

CDSS vs 指南预测

绝大多数结果比较具有统计学意义

研究者对研究结果进行统计分析，发现CDSS的预测AUC值与使用指南获得的AUC值相比，绝大多数具有统计学意义。例如，所有肺癌患者在治疗前使用指南预测的生存期的AUC为0.60，而CDSS的预测能力将AUC提高到0.84（P=0.0009；图2）。

图2 指南与CDSS对肺癌患者治疗前的生存期预测结果

相反，将所有肺癌患者与仅随访时间较长（≥18个月）的患者进行比较时，AUC值没有显著差异。此外，使用肺癌患者治疗前数据、治疗数据与所有数据进行预测时，得出的AUC值之间也没有显著差异。说明对于肺癌患者的生存期预测，影响结果的主要是预测手段的选择，反映CDSS预测性能的稳定性。

由于这是一项前瞻性研究，研究者可随着患者的治疗周期发展不断纳入新数据，使预测模型应用更接近临床环境。另外，在研究期间，有229名患者（42%）活着，314名患者（58%）死亡，其中仅18%患者接受了手术，手术后30天内死亡的为30人。因此，研究者认为这不适用于挖掘手术死亡率的危险因素。

研究者最后指出了该研究的几个局限性：一是这项多中心研究仅包括2个医疗机构的数据；二是AUC是最常用的度量指标，但它的解释经常受到质疑，建议使用额外的指标评估CDSS性能；三是主要使用特定肺癌患者数据训练预测模型（多为不可手术的III期肺癌患者）。即使如此，研究者仍认为结果证明CDSS可辅助临床循证决策，毕竟一个模型不会发展成完美而永久的，关键是动态、有用。

参考资料：

Pontes B, Núñez F, Rubio C, et al. A data mining based clinical decision support system for survival in lung cancer. Rep Pract Oncol Radiother. 2021;26(6):839-848. Published 2021 Dec 30. doi:10.5603/RPOR.a2021.0088.