常规化验轨迹提前数月标出癌症并发症:162种诊断中,最稀有终点富集达6.1倍
核心概要
癌症治疗期间几乎每次就诊都会抽血化验,但单时间点预后工具丢掉了这些数值随时间的变化。一个在3905名多发性骨髓瘤或卵巢癌患者、2777595条化验记录上训练的transformer,预测两年内162种治疗相关并发症中哪些会被新记录,八个临床类别均高于患病率,富集倍数1.5至6.1倍。在91个事件数不少于10的内部终点上,其平均AUROC为0.734,高于工程化轨迹基线的0.710。
深度剖析
常规化验序列被当作纵向生理记录来用,模型输出的是具体哪一种并发症将在两年内被新记录,而不是一个笼统的预后分数。 此前的CARG与CRASH评分只用治疗前数值,不随治疗中的生理变化更新,也不区分具体并发症类型;已有的癌症化验轨迹模型只预测少数聚合终点。 八个主要疾病组在720天窗口内均高于各自患病率,分组AUROC从2型糖尿病的0.65到真菌感染的0.75,富集倍数1.5至6.1倍,骨髓增生异常综合征最高。
模型把每次就诊的化验值按天聚合成一个输入标记,由transformer在时间序列上学习跨化验项目的联合变化。 输入限定为39项常规化验,缺失值先由另一个transformer补全,再与年龄、性别一起送入预测模型。 在390名患者、1579条序列的留出测试集上评估;在91个事件数不少于10的内部终点上,平均AUROC为0.734,工程化轨迹基线为0.710,计数向量逻辑回归为0.692,计数向量梯度提升为0.664。
预测信号在两种机制不同的癌症之间大体一致,说明模型读到的是化验可观测的生理状态,而不只是某一队列的混杂因素。 八个分组终点中有五个在两个亚组间AUROC差距不超过0.07,包括心血管疾病、细菌感染、转移性疾病、2型糖尿病和真菌感染。 在骨髓瘤亚组(182名患者、853条序列)与卵巢癌亚组(208名患者、726条序列)上分别评估;肾脏病与全因死亡出现方向相反的分组差异,骨髓增生异常综合征差异最大但阳性序列仅21条、来自4名患者。
启示与展望
评估覆盖单中心2000至2026年的3905名多发性骨髓瘤或卵巢癌患者,外加MIMIC-IV与MMRF CoMMpass两个外部队列的跨系统验证;作者指出该回顾性研究只表明信号存在并量化了可提前多久检出,并未表明据此采取行动能改变结局。
作者说明尚未做前瞻性验证,模型不接收治疗强度、住院状态或治疗线数等信息,因此观察到的关联可能反映疾病进展、合并症负担或治疗效应;感染终点在更长预测窗口下判别力下降更快,720天窗口对急性感染并发症的临床可操作性有限;骨髓增生异常综合征的内部估计仅基于21条阳性序列、来自4名患者,作者称其为产生假设而非成熟的临床用例。
