基于决策树机器学习的Ⅰ-Ⅱ期乳腺癌老年女性长期生存预测

《Journal of Geriatric Oncology》:Long-term survival prediction in older women with stage I-II breast cancer using decision tree-based machine learning

【字体: 大 中 小 】 时间:2025年12月18日 来源:Journal of Geriatric Oncology 2.9

编辑推荐:

  Hyuna Yoon|Yeijin Kim|Sola Han|Hae Sun Suh|Chanhyun Park美国德克萨斯州奥斯汀市德克萨斯大学奥斯汀分校药学院健康结果研究组摘要引言预测早期乳腺癌老年女性的生存情况有助于实现个性化治疗并改善预后。衰老是一个个体化过程,会影响肿瘤

  
Hyuna Yoon|Yeijin Kim|Sola Han|Hae Sun Suh|Chanhyun Park
美国德克萨斯州奥斯汀市德克萨斯大学奥斯汀分校药学院健康结果研究组

摘要

引言

预测早期乳腺癌老年女性的生存情况有助于实现个性化治疗并改善预后。衰老是一个个体化过程,会影响肿瘤特征和生存率,而心血管疾病则是由于心血管风险因素导致的第二大非癌症死亡原因。本研究旨在构建并验证机器学习模型,以预测美国范围内I-II期、激素受体阳性乳腺癌老年女性的全因死亡率、乳腺癌相关死亡率以及心血管疾病相关死亡率。为考虑衰老带来的差异,我们为66–79岁和80岁及以上两个年龄组分别建立了模型。

材料与方法

我们利用2006–2019年的SEER–Medicare数据库,筛选出66岁及以上、被诊断为I–II期乳腺癌(属于早期侵袭性病变)且于2007至2009年间开始接受辅助内分泌治疗的妇女。辅助内分泌治疗开始日期被定为基准日期。我们研究了基准日期前一年的既有合并症情况,并对患者进行了最长10年的随访,或直至其死亡。研究结局包括全因死亡率、乳腺癌相关死亡率以及心血管疾病相关死亡率。我们针对这两个年龄组,使用基于决策树的算法建立了生存预测模型。模型性能通过接收者操作特征曲线下面积的平均值来评估,而模型的可解释性则通过Shapley加性解释方法来提升。

结果

在10,104名妇女中,所有六个模型使用随机生存森林算法后均显示出大于0.7的平均AUROC值,表明其预测性能优异。对于全因死亡率而言,两个年龄组的关键预测因素均为年龄、疑似疾病的筛查结果以及充血性心力衰竭。肿瘤大小、癌症分期以及继发性恶性肿瘤则是预测乳腺癌相关死亡率的最重要因素,而充血性心力衰竭、心脏瓣膜疾病以及其他定义不明确的心脏疾病则对心血管疾病相关死亡率有重要影响。

讨论

我们运用基于决策树的算法,针对不同结局和年龄组建立了基于机器学习的生存预测模型,用以预测I-II期乳腺癌老年女性的死亡风险。随机生存森林算法表现最佳,年龄、疑似疾病的筛查结果以及充血性心力衰竭始终是关键预测因素。针对这些因素采取干预措施有望提升心癌综合诊疗水平。

引言

乳腺癌是美国女性中最常见的癌症,其女性癌症死亡率位居第二(1)。大约80%的乳腺癌属于激素受体阳性类型(HR+)(2),而包括他莫昔芬和芳香化酶抑制剂在内的辅助内分泌治疗被视为HR+乳腺癌的标准治疗方案(3)。65岁及以上的女性占所有乳腺癌患者的40–50%左右(1)。该疾病的临床病理特征在不同年龄组存在差异,尤其是绝经状态方面(4)。在老年女性中,进一步区分“较年长者”(66–79岁)和“极高龄者”(80岁及以上),可以发现由于衰老是个体化过程,两组的肿瘤特征和生物学机制也存在差异(5)。心血管疾病是这一人群中主要的非癌症死亡原因,而由于本身存在心血管风险因素,老年女性更容易受到癌症治疗带来的心脏毒性影响(6,7)。具体而言,高龄时被诊断出早期乳腺癌的女性,尤其是确诊后存活5年及以上的,更有可能死于心血管疾病而非乳腺癌(8)。
结合事件发生时间数据的机器学习方法已成为准确预测死亡率的强大工具,相比传统统计模型和基于分类的机器学习方法更具优势。随机生存森林和极端梯度提升等基于决策树的算法,在处理复杂的癌症生存分析问题时展现出高效性([9], [10], [11], [12], [13])。随机生存森林算法是随机森林算法的扩展版本,专门用于分析右截尾的生存数据(14)。与传统专注于特定时间点分类结果的机器学习算法不同,随机生存森林能够预测生存曲线,从而估算随时间变化的生存概率(15)。此外,它无需依赖特定的分布或假设,因此相比传统生存分析方法具有更多优势(15)。先前的研究已证明,与Cox比例风险模型、特定原因风险回归模型以及其他传统机器学习算法(如梯度提升机和支持向量机)相比,随机生存森林在预测乳腺癌生存率方面表现更为出色([11], [12], [13])。极端梯度提升算法在预测癌症患者的死亡率方面也表现出极高的准确性(9,10)。它的生存预测模型融入了Cox比例风险模型原理,可用于处理右截尾的生存数据。鉴于早期乳腺癌老年女性中心血管疾病相关死亡率的日益重要,以及衰老过程的复杂性,准确预测死亡原因愈发重要。虽然以往的研究已经对乳腺癌死亡率进行过预测,但大多数研究既没有将心血管疾病作为独立的死亡原因加以考虑,也没有针对特定的亚群体或衰老过程展开研究(16)。此外,常用的老年预后评估工具,如Schonberg指数(17)或Lee指数(18),并非为癌症场景设计,且不包含肿瘤特征或治疗细节。鉴于这些局限性,针对乳腺癌老年女性设计的疾病特异性预测模型,有望提升预测精度和临床应用价值。因此,本研究旨在为美国范围内的I-II期乳腺癌老年女性建立生存预测模型。我们为66–79岁和80岁及以上两个年龄组分别建立了模型,以体现它们之间的差异。每个模型都能预测全因死亡率以及包括心血管疾病相关死亡率和乳腺癌相关死亡率在内的特定原因死亡率。

章节节选

数据来源

我们使用了监测、流行病学与最终结果数据库(SEER)-Medicare数据库。该数据库是基于人口的数据库,包含了65岁及以上被诊断出癌症的患者的 demographics信息、临床信息以及医疗资源使用和费用相关信息(19)。SEER是一个基于人口的癌症登记系统,负责收集新诊断癌症患者的demographics和临床信息,其覆盖范围约占美国人口的48%(19)。Medicare保险数据

研究中老年女性的特征

我们的研究共纳入了10,104名老年女性:其中66–79岁年龄组有7190人,80岁及以上年龄组有2914人(见图3)。各年龄组的基线特征及不同死因的死亡人数详见表1和补充表2。

模型构建

我们从数据集中筛选出了306个候选预测因子。经过特征选择后,最终模型的预测因子数量有所减少,80岁及以上女性对应的心血管疾病相关死亡率模型的预测因子数为12个,而其他模型的预测因子数则达到111个

讨论

在本研究中,我们采用了三种基于决策树的算法,按年龄组划分,为接受辅助内分泌治疗的乳腺癌老年女性不同死因建立了六个基于机器学习的生存预测模型。与Schonberg指数(17)或Lee指数(18)等通用死亡预后评估框架不同,我们的模型纳入了癌症特异性因素,如肿瘤分期、激素受体状态和治疗类型,这些都是影响这类患者生存率的关键因素。我们

结论

我们使用随机生存森林算法,按年龄组划分,为接受辅助内分泌治疗的乳腺癌老年女性建立了18个基于机器学习的生存预测模型,用于预测全因死亡率、乳腺癌相关死亡率以及心血管疾病相关死亡率。每个模型都展现了不错的预测性能。尽管不同死因和年龄组的关键词预测因子存在差异,但年龄、疑似疾病的筛查结果以及充血性心力衰竭在所有模型中均是与死亡风险相关的核心因素

资金支持来源

本研究得到了食品药品安全部的两项资助:编号为21153MFDS601的资助项目,以及编号为RS-2024-00331719(2024年)的资助项目。

利益关系与活动披露

Hyuna Yoon负责研究的构思、数据分析以及论文初稿的撰写;Yeijin Kim负责数据分析以及论文初稿的撰写;Sola Han负责论文初稿的撰写和审稿工作;Chanhyun Park和Hae Sun Suh负责研究的构思以及论文的审稿工作;所有作者最终都参与了定稿工作。

CRediT作者贡献说明

Hyuna Yoon:研究构思、正式分析、原文撰写、论文审阅与修改。Yeijin Kim:数据整理、正式分析、原文撰写、论文审阅与修改。Sola Han:数据整理、正式分析、原文撰写、论文审阅与修改。Hae Sun Suh:研究构思、论文审阅与修改。Chanhyun Park:研究构思、数据整理、正式分析、原文撰写、论文审阅与修改。

利益冲突声明

作者们不存在任何利益冲突。
作者贡献

致谢

本研究使用了关联的SEER-Medicare数据库。这些数据的解读与报告完全由作者负责。作者们感谢国家癌症研究所、信息管理服务公司,以及监测、流行病学与最终结果计划下的肿瘤登记系统在构建SEER-Medicare数据库过程中所付出的努力。此外,本研究中使用的癌症发病率数据收集工作还得到了加利福尼亚州的支持
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号