可解释性预测模型的开发与验证：预测颅内肿瘤术后非计划再次手术风险

为何再次脑外科手术仍然至关重要

对于面临脑肿瘤手术的人来说，手术只是漫长而脆弱恢复过程的开始。最严重的挫折之一是术后不久不得不意外回到手术室。来自中国一家大型医院的这项研究提出了一个务实且关系重大的问题：医生能否利用已收集的信息，及早识别哪些患者最有可能需要非计划的第二次脑外科手术，并及时采取措施予以预防？

脑肿瘤手术后的问题

脑与中枢神经系统肿瘤是全球最具破坏性的疾病之一，每年有数十万例新发与死亡。手术常常是治疗的关键步骤，让医生有机会尽可能安全地切除肿瘤。然而即便手术顺利，出血、感染、液体积聚或脑肿胀等严重并发症仍可能迫使外科医生在一个月内再次动刀。这些非计划再次手术带来压力、风险与高昂费用，国际上也把它们作为衡量外科质量的指标。报告的发生率在脑肿瘤患者中大约为3%到17%，但直到现在医生只有粗略的工具来评估谁最有风险。

将病历记录变成预警

研究团队审查了西安交通大学第一附属医院在2023年初至2024年初期间825名接受颅内肿瘤手术成年患者的电子病历。经过严格纳入标准筛选后，纳入分析的患者为567例，其中49例（约9%）在30天内需要非计划的第二次手术。研究者将这些数据分为较大的训练集和较小的测试集，然后将几十项常规临床信息输入若干计算机预测方法。这些信息包括年龄、性别、如高血压和糖尿病等合并症、反映整体抵抗力的简短衰弱评分、肿瘤类型与在脑内的位置，以及手术特征如手术时长和是否进入重症监护等。

寻找最有价值的线索

为避免模型被弱信号淹没，团队首先使用一种称为LASSO的统计方法筛选出最具信息量的预测因子。最终留下了11个关键因素，包括手术时长、肿瘤位置、肿瘤类型、肿瘤良恶性、衰弱指数、糖尿病、心力衰竭与是否需要重症监护。随后构建并比较了五种不同的预测方法，从熟悉的逻辑回归到更复杂的机器学习技术，如随机森林与梯度提升。出人意料的是，最简单的模型——逻辑回归——表现最好。在训练组中其区分高低风险患者的准确性指标（AUC）为0.84，在测试组为0.77，且预测风险与实际发生情况高度一致。

让“黑盒”变得可理解

医生对给出无解释结论的计算机系统持谨慎态度。为了解开这个“黑盒”，研究者使用了一种称为SHAP的方法，展示每个因素如何推动单个患者的风险上升或下降。在全体样本中，较长的手术时长、某些难以触及的肿瘤位置、更高的衰弱评分和恶性肿瘤类型是最强的风险信号。在床旁，针对单个患者的SHAP图示能表明例如短时间手术与低衰弱度如何抵消其他风险，或是长时手术、糖尿病与重症监护并存如何将风险推高。为便于日常应用，团队将最终模型封装成一个简单的网页工具：临床医生可在患者出手术室时输入这11项特征，立即获得一个风险估计以及风险组成的可视化解析。

对患者与护理团队的意义

该研究表明，日常医院护理中已收集的信息可以转化为清晰、可理解的非计划再次脑外科手术风险评分。尽管该研究来自单一中心，仍需在其他医院与国家进行外部验证，但其提示了一种前景：外科团队可以快速标识高风险患者，加强监测并调整治疗方案以预防严重并发症。对患者和家属而言，这可能意味着在本已艰巨的手术后更少的意外、更短的住院时间以及更高的单次手术成功率。

引用: Ye, X., Li, H., Zhang, X. et al. Development and validation of an interpretable prediction model for the risk of unplanned reoperation in patients underwent intracranial tumor surgery. Sci Rep 16, 14448 (2026). https://doi.org/10.1038/s41598-026-43594-6

关键词: 脑肿瘤手术, 非计划再次手术, 风险预测, 机器学习, 衰弱性