针对乳腺癌生存预测的数据驱动模型比较分析

这项研究为何与女性健康相关

乳腺癌已成为全球女性中诊断最常见的癌症，在医疗资源匮乏的国家常常被晚期发现并在艰难条件下治疗。本研究聚焦埃塞俄比亚的女性，提出一个关乎生死的问题：在医生已收集的患者信息基础上，现代数据工具能否更准确地预测谁更有可能因乳腺癌死亡？更好的预测可以帮助医生在有限的治疗资源中优先安排、为最脆弱的患者安排更密集的随访，并为女性提供更清晰的预后信息。

女性、医院与日常病历

研究者分析了2019年至2024年间在两家埃塞俄比亚大型医院接受乳腺癌治疗的1,164名女性的病历。对每位女性，他们记录了诊断后生存时间，以及在随访期内是否死亡或在数据收集结束时仍然存活。作为结果之外，他们使用了医院常规记录的常见临床与社会信息：年龄、肿瘤大小、癌症分期、是否发生远处转移或淋巴结转移、合并其他疾病、婚姻状况、吸烟或嚼卡特（khat）等生活习惯，以及是否曾经哺乳。这些都是无需昂贵检查即可获得的细节，使得由此构建的预测工具在资源有限的环境中具有现实可行性。

传统与新方法对生存概率的解读

传统上，医生和统计学家使用诸如Kaplan–Meier曲线和Cox比例风险模型等生存分析方法来了解患者的生存时长及影响因素。这些方法相对易于解释，但在许多因素以复杂、非线性方式相互作用时表现欠佳，这在真实世界的癌症护理中很常见。作者将这些经典方法与更灵活的机器学习模型进行了比较，包括随机生存森林和深度学习生存模型，以及常规的分类工具如支持向量机、随机森林、XGBoost和LightGBM。所有模型都在部分数据上训练，并在未见过的样本上测试，其性能通过既能反映模型在风险排序上的能力又能衡量其预测生存时间与真实情况一致性的指标来评判。

哪些因素对生存影响最大？

在应用先进模型之前，在整组人群中就能观察到若干明显模式。肿瘤更大、受累淋巴结更多或已发生转移的女性生存明显更差。诊断为IV期的患者在随访期间尤其容易死亡，而I期患者的结局则好得多。年龄较大（尤其是45岁及以上）以及存在慢性等其他疾病也会恶化生存预后。吸烟、饮酒或嚼卡特等生活习惯也与较差结局相关。已婚女性的生存倾向于比单身、离异或丧偶女性更好，这与其他国家的研究发现一致：社会支持有助于患者坚持治疗并改善癌症生存。

智能算法为图景带来了什么

在模型比较中，随机生存森林——一种构建许多以生存为目标的决策树并将其结果结合的方法——在预测患者生存时长方面表现最准确。作为分类器使用的随机森林在区分高危与低危患者方面效果最好。为避免“黑箱”问题，研究者使用了一种称为SHAP的技术来识别模型最依赖的因素。在表现最强的模型中，相同的特征反复跻身前列：年龄、肿瘤大小、转移情况、淋巴结受累、整体分期以及其他疾病的存在。婚姻状况和某些生活习惯等社会特征也有贡献，但程度较小。实际上，模型学会并量化了临床医生关注的关键风险信号，同时还评估了这些信号如何以微妙方式相互作用。

这对患者和临床意味着什么

研究结论认为，对埃塞俄比亚乳腺癌女性而言，针对死亡时间预测的数据驱动生存模型——尤其是随机生存森林——可以提供比仅靠传统方法更准确且仍可解释的风险估计。由于这些模型使用的是常规护理中已收集的信息，它们可以被集成到简单工具中，用于标记高危患者、帮助医生决定谁需要更快转诊或更积极的治疗，并指导诚实且个性化的预后沟通。尽管该研究存在局限——缺乏基因和影像数据，且依赖回顾性病历——但它表明，经过审慎应用的机器学习可以将普通医院数据转化为在资源受限环境中支持癌症护理的实用工具。

引用: Takele, K., Chen, DG. A comparative analysis of data-driven models for breast cancer survival prediction. Sci Rep 16, 10114 (2026). https://doi.org/10.1038/s41598-026-40565-9

关键词: 乳腺癌生存, 机器学习, 随机生存森林, 埃塞俄比亚, 临床危险因素