Explainable machine learning estimates clinically significant prostate cancer risk in men with PSA 4–20 ng/mL
这项研究表明，一种具有可解释性的 C5.0 机器学习模型能够有效评估 PSA 水平在 4–20 ng/mL 之间的男性患临床显著性前列腺癌的风险，在保持高检测准确度的同时，有可能减少不必要的活检，尽管在临床应用前仍需进一步的外部验证。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
对于数百万男性而言，一次常规血液检查可能会引发片刻的焦虑。这项检测测量的是一种被称为前列腺特异性抗原（PSA）的物质，它由前列腺产生。当水平升高时，通常预示着前列腺内部发生了某些变化，但它并不能立即揭示变化的具体性质。这种物质是由器官本身产生的，而非专门由癌症产生，因此高水平可能源于良性肥大、炎症或一种永远不会造成危害的缓慢生长肿瘤。这为医生和患者都创造了一个困难的灰色地带，特别是当 PSA 水平处于每升 4 到 20 纳克之间时。在这个范围内，良性疾病、不重要的癌症以及危险癌症的风险高度重叠，仅凭一个简单的数字无法告诉一个男人他是否需要进行痛苦的针刺活检，还是可以安全等待。现代医学的目标不再仅仅是寻找任何形式的癌症，而是寻找那种真正威胁男性生命的特定类型，同时使他免受因那些不会造成伤害的状况而进行的非必要医疗程序。
中国川北医学院附属医院的研究人员致力于解决这一特定问题。他们收集了 859 名男性的数据，这些男性的 PSA 水平处于上述 4 到 20 之间的不确定区间，并且已经接受过病理评估以确定其健康的真实状态。在这些人中，有 76 人被发现患有临床显著性前列腺癌（即需要治疗的类型），而其余人员则没有癌症或患有不太会造成麻烦的类型。研究团队希望观察是否可以建立一个计算机模型，利用常规血液检查和基础测量指标，在进行活检之前预测谁患有危险类型的疾病。他们并没有依赖单一的公式或简单的清单。相反，他们测试了十二种不同类型的机器学习算法，这些算法是旨在发现人类可能忽略的复杂数据模式的计算机程序。为了确保结果可靠，他们使用了一种严谨的方法，即反复将数据分为训练组和测试组，迫使计算机从一组数据中学习，并对另一组从未见过的数据进行预测。
研究发现，一种被称为 C5.0 的特定算法在区分患有显著性癌症与未患有显著性癌症的男性方面表现优于其他算法。该模型不仅仅孤立地观察 PSA 数值。它将总 PSA 水值与其他衍生指标结合起来，例如游离 PSA 与总 PSA 的比例，以及抗原相对于前列腺体积的密度。这些 PSA 相关因素提供了最强的信号，但计算机也发现加入标准血常规信息（如单核细胞数量和血红蛋白水平）具有价值。模型学会了以非线性方式权衡这些因素，捕捉到了简单计算无法捕捉到的微妙相互作用。当研究人员测试该模型时，它能正确识别约 75% 的显著性癌症病例，同时也能正确排除约 76% 的非显著性病例。这种平衡意味着该模型可以有效地对患者进行分类，提供比单纯 PSA 水值更清晰的风险图景。
该工具的真正价值在于它如何改变患者的诊疗路径。研究人员计算了如果医生使用该模型来决定谁进行活检会发生什么。在特定的风险阈值下，模型表明对于每 1,000 名接受检测的男性，医生可以避免进行 545 例最终证明并非显著性癌症的活检。然而，这种安全保障伴随着一种权衡：在同样的 1,000 名男性中，模型会漏掉大约 11 例原本可以被发现的显著性癌症病例。研究人员强调，该工具不存在单一的完美设置。较低的阈值会捕捉到更多癌症，但需要进行更多活检；而较高的阈值虽然能让更多男性免受针刺之苦，但也会漏掉更多疾病。该模型是一个分诊工具，旨在将患者分为需要立即关注的人群和可能受益于进一步观察或不同检测的人群，而非作为最终诊断本身。
尽管取得了这些令人鼓舞的结果，作者仍谨慎地指出，这还不是一个可以应用于每家诊所的成熟产品。该研究是在单一医院进行的，且该模型仅在其构建的数据集上进行了内部测试。研究人员指出，对于处于风险谱系极高端的男性，模型的预测准确性会降低，原因仅仅是因为其样本组中这类男性非常稀少。他们还指出，该模型并未包含诸如 MRI 或分子生物标志物等在某些地区已成为标准的最新影像技术。在这一工具能够用于指导现实世界的决策之前，必须在不同地区和医疗系统中进行测试，以确保其在原始医院之外同样有效。目前，这项研究提供了一个概念验证：即通过将常规血液检查与先进的计算机学习相结合，可以为处于前列腺健康困难灰色地带的男性绘制出一张更细致的风险地图。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。