预测目标也交给模型学:LIFT-MASLD 在外部队列把预测相关系数做到 0.836
核心概要
代谢功能障碍相关脂肪性肝病(MASLD)的预后模型通常先固定一个终点,再优化预测器。LIFT-MASLD 反过来,用 SCORE 从八项肝脏指标中学出一个最易由基线特征预测的加权表型,并以稀疏回归挑选基线变量。在 HALO 队列中该表型预测相关系数为 0.860,高于用全部基线变量预测未来肝硬度的 0.763;在未重新拟合的 NIDDK 外部队列中为 0.836。
深度剖析
预测目标本身可以成为可学习的对象:模型不再预设单一肝脏终点,而是学出一个由多项肝脏指标加权组成的表型,再预测这个表型。 此前的 MASLD 预后模型一般先指定未来肝硬度、纤维化分期等终点,再通过增加预测变量或提高模型灵活度来提升准确度。 在 HALO-MASLD 队列 332 名参与者、456 次随访观测上,嵌套五折交叉验证得到预测相关系数 r = 0.860(95% CI [0.824, 0.896]),而用全部 99 列基线变量预测未来肝硬度的相关系数为 r = 0.763。
学出的表型把权重集中在血小板、胆红素、碱性磷酸酶和肝硬度上,白蛋白、AST、ALT 权重为零。 SCORE 在非负、权重和为 8 的约束下最大化表型与其基线预测之间的相关性,预测器一侧用 broken adaptive ridge 回归替代普通最小二乘。 最终预测器在 99 列基线变量中只有 6 列系数非零,其中 4 列是实测的肝硬度、胆红素、碱性磷酸酶和血小板计数,另 2 列是缺失指示变量。
启示与展望
已展示的范围是 HALO-MASLD 单中心前瞻队列的 332 名参与者、456 次随访观测,以及在 NIDDK NAFLD Adult Database 2 队列 520 名参与者、732 次随访观测上不重新拟合的外部验证;模型以网页计算器形式发布在 https://liftmasld.github.io。
预测器采用线性结构;分析只包含两次后续随访,更长期随访能否与肝失代偿、肝细胞癌、移植或肝病相关死亡等结局相关尚待确定;HALO 为以白人为主的单中心队列;NIDDK 中缺少 MRE 肝硬度测量,无法外部复现对应的关联。
