《Frontiers in Digital Health》:Gastric cancer survival prediction using artificial intelligence models based on electronic health records: a systematic review and meta-analysis
编辑推荐:
重要性:人工智能(AI)在肿瘤预后建模中的应用日益广泛,然而许多基于AI的生存预测模型依赖临床实践中常规不可获得的复杂多模态数据。目的:本系统综述与荟萃分析旨在评估基于常规采集的电子健康记录(EHR)数据的AI模型,对接受根治性手术治疗的胃癌患者5年总生存期(
重要性:人工智能(AI)在肿瘤预后建模中的应用日益广泛,然而许多基于AI的生存预测模型依赖临床实践中常规不可获得的复杂多模态数据。目的:本系统综述与荟萃分析旨在评估基于常规采集的电子健康记录(EHR)数据的AI模型,对接受根治性手术治疗的胃癌患者5年总生存期(5-OS)的预测效能。数据来源:系统检索PubMed、Scopus、Nature、MedRxiv和bioRxiv数据库2015年1月至2025年7月发表的相关研究。研究筛选:纳入报告AI预测5-OS的受试者工作特征曲线下面积(AUC)值的研究,研究对象为经组织学确诊并接受根治性手术的成年胃癌患者;排除主要使用非常规多模态数据或未报告AUC结果的研究。数据提取与合成:采用PROBAST-AI工具评估偏倚风险。荟萃分析比较机器学习模型与传统统计方法,以及不同AI算法类别(包括装袋与提升集成方法、神经网络、随机森林、支持向量机、逻辑回归)的性能差异,根据研究间异质性选择随机或固定效应模型。主要结局指标:机器学习与传统统计模型预测5-OS的AUC合并均值差为主要结局;次要结局包括不同AI算法类别间的性能比较及高频预后特征的识别。结果:共纳入10项回顾性研究,涵盖15643例患者。机器学习模型较传统方法预测效能提升具有统计学意义,AUC合并增加0.04(95% CI 0.02–0.07;p=0.001);提升算法较装袋方法具有统计学显著优势(AUC增加0.02;p=0.04)。临床输入数据类型(尤其是是否纳入血液生物标志物)影响算法性能。各研究一致识别的高频预后特征包括年龄、T分期、肿瘤大小、血清白蛋白或前白蛋白水平、转移淋巴结与检查淋巴结比值。结论与相关启示:基于常规临床数据的AI预后模型可为胃癌术后5年生存预测提供具有临床意义的改进;应根据输入数据的结构与类型选择最优AI算法,以最大化预测效能及在临床决策支持系统中的实际适用性。本研究已在PROSPERO注册(CRD420261282797)。
引言
局限性及局部进展期胃癌根治性治疗后的生存结局仍不理想,目前尚缺乏通用的总生存期预测模型,且广泛应用的TNM分期系统不足以指导个体化治疗的升阶梯或降阶梯决策。随着人工智能技术的发展,其在肿瘤治疗结局预测中的应用日益受到关注,其中利用电子健康记录中可直接获取的常规数据进行预后预测具有重要临床价值。电子健康记录数据具有多样性,需匹配最优算法进行处理,未来研究应优先识别对AI预后模型预测价值最高的数据特征。既往一项荟萃分析探讨了AI胃癌预后模型的潜力与局限,但不同数据类型、实验设计及评估方案间的横向比较易导致误导性结论。本研究旨在通过系统综述与荟萃分析:(a)评估基于电子健康记录的AI模型对胃癌患者5年总生存期(OS)的预后预测效能;(b)明确输入数据类型对不同AI算法性能的影响;(c)比较AI预后模型中提升与装袋集成方法的预测准确性。
方法
本研究遵循系统综述与荟萃分析优先报告条目(PRISMA)2020指南开展,因不涉及患者隐私信息披露,无需伦理委员会审批,研究方案已在PROSPERO注册(CRD420261282797)。
检索策略
系统检索PubMed、Scopus、Nature、MedRxiv、bioRxiv数据库2015年1月至2025年7月发表的、基于临床数据构建AI模型预测胃癌手术患者5年总生存期的研究,预印本平台未检索到符合纳入标准的研究。
纳入标准
基于PICOS框架制定纳入标准:研究对象为年龄≥18岁、经组织学确诊并接受根治性手术的胃癌患者;干预措施为基于患者临床数据构建并训练用于预测5年总生存期的AI模型;比较维度包括机器学习模型与传统统计方法的预测效能差异,以及不同机器学习算法间的性能比较;结局指标为模型AUC值;研究类型为回顾性单中心或多中心研究。排除仅报告分层亚组5年总生存期准确率而未报告整体队列结果、未直接使用AI预测5年总生存期、训练数据包含需特殊处理参数(如组织扫描分析、影像组学、非常规血液代谢物检测、基因组学)及未以AUC形式呈现结果的研究。
数据提取
由两名研究人员独立完成文献筛选与数据提取,分歧由第三位资深研究人员裁决。提取内容包括第一作者、发表年份、国家、研究设计、验证方法、患者基线特征、机器学习算法、传统统计对照模型、模型开发特征数量及特征选择方法。
质量评估
采用PROBAST-AI工具由两名研究人员独立完成偏倚风险评估,分歧通过讨论达成共识。
统计分析
主要结局为机器学习模型与传统统计方法比较的AUC均值及95%置信区间(CI),p<0.05为差异有统计学意义。根据异质性选择效应模型:I2≤25%采用固定效应模型,I2>25%采用随机效应模型。异质性通过I2评估:0%–25%为低异质性,25%–75%为中等异质性,>75%为高异质性。使用Review Manager 5.4.1软件进行分析,缺失AUC置信区间采用Hanley & McNeil公式计算,在指标可比前提下进行亚组分析。
结果
检索与研究特征
初检获得1959篇文献,经筛选最终纳入10篇回顾性研究,其中60%为多中心研究,40%为单中心研究;60%进行了外部验证,40%采用内部验证或交叉验证。所有研究均来自亚洲国家(中国80%、日本10%、韩国10%),共纳入15643例患者,男性占65.9%,女性占32.6%,平均年龄61.7岁;Ⅰ期占37.4%,Ⅱ–Ⅲ期占54.0%,Ⅳ期占6.7%。
纳入研究质量评估
PROBAST-AI评估显示:分析域30%研究为高偏倚风险,30%为不确定风险,40%为低风险;其余三域高偏倚风险比例均≤10%;结局域50%研究为不确定风险;各域低风险研究占比均≥40%,预测因子域低风险比例最高(70%)。适用性评估未发现各领域高适用性担忧,仅预测因子域10%、研究对象域30%为不确定适用性。鉴于偏倚比例未超过50%,所有研究均纳入荟萃分析。
AI算法应用特征
随机森林(RF)应用率最高(70%),提升算法(GBM、AdaBoost、LightGBM、CatBoost、XGBoost)应用率为40%,人工神经网络(ANN)应用率为50%(深度学习40%、机器学习10%),逻辑回归(LR)应用率为40%,支持向量机(SVM)应用率为40%,决策树应用率为30%,K近邻(KNN)应用率为20%。70%的研究采用了一种以上AI算法。
机器学习模型与传统统计方法比较
5项研究(含8个指标)比较了AI模型与Cox回归、LASSO回归、TNM分期等传统方法的效能,异质性较高(I2=82%)。结果显示机器学习模型AUC较传统方法显著提高0.04(95% CI 0.02–0.07;p=0.001)。
装袋与提升算法比较
针对同时使用RF(装袋算法)与提升算法的4项研究进行荟萃分析,异质性低(I2=0%)。亚组分析未发现特定提升算法与RF的差异,但整体分析显示提升算法AUC较RF显著提高0.02(p=0.04)。
RF与SVM算法比较
4项研究的荟萃分析显示异质性高(I2=82%),RF与SVM的AUC差异无统计学意义(p=0.51)。
RF与神经网络算法比较
4项研究的荟萃分析显示异质性高(I2=87%),整体未检测到显著差异(p=0.12);排除Kuwayama N研究后异质性降至8%,神经网络AUC较RF显著提高0.06(95% CI 0.05–0.08;p<0.00001)。
RF与LR算法比较
根据是否纳入血液参数进行亚组分析:纳入血液参数的研究中RF较LR的AUC提高0.08(95% CI 0.00–0.16;I2=78%);未纳入血液参数的研究中LR较RF的AUC提高0.04(95% CI -0.07––0.02;I2=0%,p=0.0003)。
临床变量分析
各研究一致识别的核心预后特征为年龄、T分期、肿瘤大小、血清白蛋白(或前白蛋白)水平、转移淋巴结与检查淋巴结比值(mLN ratio);肿瘤标志物与肿瘤分级的应用比例较低(分别为20%与10%)。
讨论
本研究证实基于常规临床数据的AI模型可显著提升胃癌术后5年总生存期预测效能,但算法选择需匹配数据特征:提升算法较装袋算法具有微弱但显著的效能优势;神经网络在特定数据条件下表现更优;血液生物标志物的纳入会改变RF与LR的相对性能。研究结果同时提示,TNM分期中T分期的预后价值高于N分期,转移淋巴结比值可能是更优的替代指标。当前研究存在局限性:纳入文献数量有限、异质性较高、全部来自亚洲人群、部分研究缺乏外部验证及方法学报告不均衡(过度侧重区分度而忽视校准度与可解释性)。未来研究需扩大样本多样性,完善模型临床效用评估,以推动AI预后模型的实际临床应用。
结论
基于常规临床数据的AI预后模型可为胃癌术后5年总生存期预测提供具有临床意义的改进。AI算法性能取决于输入数据的结构与类型,依据数据特征选择模型可同时优化预测效能与临床决策支持系统的实用性。