机器学习可预测食道癌术后早期复发

食道切除术后早期癌症复发是一个普遍的问题，尽管新辅助治疗得到广泛使用，但其发生率仍为20％至30％。量化这种风险非常困难，现有模型的表现也很差。鉴于此，来自英国的学者S.A.Rahman等开展了一项研究，这项研究旨在使用大型国际多中心和机器学习方法建立食管腺癌术后早期复发的预测模型。

研究者分析在一个荷兰和六个英国食管胃病科接受新辅助治疗后食管腺癌切除术的连续性患者资料。利用临床特征和术后组织病理学，使用弹性网络回归（ELR）和机器学习方法随机森林（RF）和极端梯度增强（XGB）生成模型。最后，生成了这些的组合（集成）模型。将因素对结果的相对重要性计算为对模型的百分比贡献。

该研究共纳入812例患者。1年内的复发率为29·1％。所有模型都表现出良好的辨别力。受试者工作特性曲线（ROC）曲线（AUCs）下的内部验证区域相似，整体模型表现最佳（AUC0·791（ELR），0·801（RF），0·804（XGB），0·805（整体））。

使用内部-外部验证时，性能相似（跨站点验证，整体验证为AUC0·804）。在最终模型中，最重要的变量是阳性淋巴结数目（25.7％）和淋巴管浸润（16.9％）。

基于上述研究结果，作者认为使用机器学习方法和国际数据集得出的模型在量化手术后早期复发的风险方面提供了出色的性能，并将有助于临床医生和患者判断预后。