Random Survival Forest quantifies intra-stage heterogeneity of recurrence-free survival after curative gastrectomy: a single-center cohort study

当外科医生切除胃部肿瘤时，病理学报告便是未来的第一张地图。这份报告为癌症进行分期，其标签基于肿瘤生长的深度以及是否扩散到了附近的淋巴结。几十年来，这一系统一直是医生推测患者癌症复发可能性的标准方式。它将患者归为一类，假设所有拥有相同标签的人都面临相同的风险。但生物学鲜有如此整齐划一。两个携带完全相同分期标签的人，其预后可能截然不同，因为他们特定疾病中的隐形细节以标准标签无法察觉的方式各异。现代医学面临的问题是，我们能否看透这些宽泛的类别，去洞察每个个体的独特风险，从而实现针对个人而非针对群体的定制化治疗。

来自单一医疗中心的科研团队致力于为那些已成功接受胃癌切除手术的患者寻找答案。他们专注于一个特定的患者群体，即肿瘤已扩散至附近淋巴结但尚未到达远处器官的患者，这一严重程度范围被称为 IIA 至 IIIC 期。虽然标准系统将这些阶段的所有患者视为具有相似的风险特征，但研究人员怀疑这些群体内部隐藏着显著的差异。为了发现这些差异，他们转向了一种名为“随机生存森林”（Random Survival Forest）的计算机方法。这并非由树木组成的森林，而是一种数字工具，通过构建许多不同的决策路径来寻找复杂数据中的模式，就像请一百位不同的专家对单个病例发表意见，然后取其平均值一样。

研究人员收集了 2008 年至 2020 年间接受癌症切除手术的 486 名患者的记录。他们向计算机输入了关于每位患者的十种不同信息，包括有关肿瘤和患者健康状况的细节，以观察该模型是否能预测谁能在三到五年内保持无癌状态。他们首先利用早期年份的数据来训练模型，然后将其应用于后期年份的患者，以确保它能够处理新病例。结果显示，该计算机模型在预测未来方面比仅使用标准分期标签更有效。虽然传统系统只能给出粗略的估计，但新模型能够区分出那些极有可能保持无癌状态的患者与那些可能出现疾病复发的患者，即使他们拥有相同的官方分期。

最令人震惊的发现是风险如何在疾病的中期阶段发生变化。对于处于 II 期至 IIIB 期的患者，该模型揭示了结果之间的巨大差距。这些群体中的一些患者复发概率非常低，而另一些人的复发概率则高得多，最高风险组与最低风险组之间的差距达到了 10 到 15 个百分点。这意味着两个拥有相同分期标签的人可能会有截然不同的未来，而旧系统完全忽略了这一事实。然而，模型发现，对于最严重的 IIIC 期，风险是普遍偏高的。这一群体中的每个人都面临着极高的复发负担，计算机模型证实，标准分期标签已经很好地识别了他们的高风险属性。在这一类别中并不存在隐藏的低风险群体。

这项工作表明，对于中期的胃癌，现有的系统过于粗糙。它将一个多样化的患者群体视为完全相同的个体，这可能导致不必要的担忧或监测不足。这种新方法提供了一种更精细地对患者进行分类的方法，从而识别出谁需要更严密的观察，以及谁可以接受标准护理。研究人员指出，他们的发现是基于单一医疗中心的研究，仍需通过其他医院进行验证，以确认其在任何地方都成立。在此之前，这项研究提供了一个清晰的基准，展示了技术未来如何帮助医生超越宽泛的标签，去理解每位患者疾病的具体现实。