基于SuperLearner的前列腺癌風(fēng)險(xiǎn)預(yù)測模型構(gòu)建與驗(yàn)證

中圖分類號：R737.25 文獻(xiàn)標(biāo)識碼：A文章編號：1006-1959（2025）14-0013-08

Abstract：OjetieTostructskpredictioodelofprostateancerCabysingsupesebleeainglgoriSuperLeadto providerefereceforearlysrengandarlydagosisandtreatentofCabusingmacheaingalgoritMetodsBasedontheostae cancer earlywarningdataset（ n=1679 provided by the National Population Health Science Data Center，seven machine learning algorithms such as SuperLearnerereusedtoosrctCaskpredictionodelAcodigtoteatof7，tdatasetasandomlydvidedintoagt andverfcatiostndodelsostruceddefspecielyesulsAtalofacangCasditiodelse consructedaltUi 0.696，oitie：tiedtieop freePSAoanspoeatiendlowesitylotenolesteolaeeiostimporantablesfora ConclusionTeCaispredicoodelasessullostruedicnrdeietifasisfortecaiofupar algorithm in early screening and early diagnosis and treatment of PCa.

KeyWords：Prostate cancer;Risk prediction;Machinelearning;Integrated learning;Interpretability

前列腺癌（prostatecancer，PCa）是男性最常見的惡性腫瘤之一。根據(jù)全球數(shù)據(jù)，2020年P(guān)Ca新發(fā)約141.4萬例，死亡約37.5萬例，在男性腫瘤中發(fā)生率排第2位，死亡率排第5位[。據(jù)估計(jì)，2023年美國PCa新發(fā)病例達(dá)到28.8萬，死亡病例達(dá)到3.5萬2；2022年我國PCa新發(fā)病例達(dá)到12.6萬，死亡病例達(dá)到5.6萬3。近年來，我國PCa發(fā)生率和死亡率均呈現(xiàn)上升趨勢[4]。PCa嚴(yán)重威脅著全球男性的生命健康，實(shí)施PCa早期風(fēng)險(xiǎn)篩查和早期診治具有重要意義。國內(nèi)外多項(xiàng)研究均構(gòu)建了PCa風(fēng)險(xiǎn)預(yù)測模型。SchafferKR等構(gòu)建了一種預(yù)測PCa風(fēng)險(xiǎn)的多基因評分模型（polygenic risk score，PRS269），該評分聯(lián)合PBCG風(fēng)險(xiǎn)計(jì)算器（Prostate Biopsy CollaborativeGroupriskcalculator，PBCG）后，C-statistic從0.670提升至0.710。HwangT等采用Cox回歸分析基于69319例韓國人數(shù)據(jù)，構(gòu)建了結(jié)合臨床變量和前列腺特異性抗原的PCa風(fēng)險(xiǎn)預(yù)測模型，模型C-statis-tic達(dá)到0.874。路帥等納入880例中國人數(shù)據(jù)，采用Logistic 回歸（logistic regression，LR）構(gòu)建并驗(yàn)證了PCa風(fēng)險(xiǎn)預(yù)測模型 AUC=0.704，95%CI;0.639～ 0.768）。既往研究多采用Logistic回歸或Cox回歸等傳統(tǒng)建模方法，而近年來，應(yīng)用人工智能（artificialintelligence，AI）或機(jī)器學(xué)習(xí)（machine learning，ML）算法建立PCa風(fēng)險(xiǎn)預(yù)測模型的相關(guān)研究越來越受到關(guān)注。Suarez-IbarrolaR等匯總了11項(xiàng)采用AI算法根據(jù)病理影像資料預(yù)測PCa風(fēng)險(xiǎn)的相關(guān)研究。Deng X等基于多中心回顧性隊(duì)列數(shù)據(jù)，采用LR、極端梯度提升樹（extreme gradient boosting decisiontree，XGB）隨機(jī)森林（randomforest，RF）多層感知機(jī)（multilayer perceptron，MLP）和K最近鄰（ k-1 near-estneighbor，kNN）共6種ML算法建立了PCa風(fēng)險(xiǎn)預(yù)測模型。國家人口健康科學(xué)數(shù)據(jù)中心數(shù)據(jù)倉儲的前列腺腫瘤預(yù)警數(shù)據(jù)集為研究人員采用公開數(shù)據(jù)集建立基于AI或ML的PCa風(fēng)險(xiǎn)預(yù)測模型提供了重要支持[]。WangC等基于該數(shù)據(jù)集的1000例數(shù)據(jù)，采用RF、支持向量機(jī)（supportvectormachine，SVM）反向傳播神經(jīng)網(wǎng)絡(luò)（back propagation neuralnetwork，BP）和卷積神經(jīng)網(wǎng)絡(luò)（convolutionalneuralnetwork，CNN）共4種ML算法分別建立了PCa風(fēng)險(xiǎn)預(yù)測模型，4種模型的AUC分別為0.975、0.824、0.892和0.724。李翔等[12基于該數(shù)據(jù)集的2663例數(shù)據(jù)，比較了LR、LSVM和RF3種ML算法預(yù)測PCa風(fēng)險(xiǎn)的準(zhǔn)確性，其中LSVM的AUC最高（AUC：0.918，95%CI：0.902～0.934）_? 熊思偉等[3基于該數(shù)據(jù)集的682例數(shù)據(jù)，綜合運(yùn)用Borderline-SMOTE算法與Stacking集成學(xué)習(xí)算法建立了優(yōu)于單一類型ML算法的PCa風(fēng)險(xiǎn)預(yù)測模型。超級集成學(xué)習(xí)算法，簡稱SuperLearner，屬于 Stacking集成學(xué)習(xí)算法的一種[4，15]。Super Learner 能夠?qū)Χ喾N單一類型 ML算法模型的預(yù)測結(jié)果進(jìn)行二次預(yù)測和權(quán)重分配，因其預(yù)測性能優(yōu)異，近年來受到較多關(guān)注，已被應(yīng)用于膿毒癥[認(rèn)知功能障礙[1]、靜脈血栓栓塞癥[8]等多個領(lǐng)域，但尚未被用于建立PCa風(fēng)險(xiǎn)預(yù)測模型。因此，本研究基于國家人口健康科學(xué)數(shù)據(jù)中心提供的前列腺腫瘤預(yù)警數(shù)據(jù)集，運(yùn)用SuperLearner建立PCa風(fēng)險(xiǎn)預(yù)測模型，并與LR、分類回歸決策樹（classificationandregression decision tree，CART）、RF、XGB、SVM和ANN等6種常用的代表性ML算法進(jìn)行比較。

1資料與方法

1.1資料來源本研究數(shù)據(jù)來源于國家人口健康科學(xué)數(shù)據(jù)中心數(shù)據(jù)倉儲的前列腺腫瘤預(yù)警數(shù)據(jù)集，總樣本量3000例，包括基本信息（年齡、身高、體重）和生化指標(biāo)（總PSA、游離PSA、鈉、鈣、氯化物等）共31個變量，同時也包括病理診斷結(jié)果（ 1= 前列腺增生； 2= 前列腺癌； 3= 前列腺增生合并前列腺癌）。3000例患者中，前列腺增生1406例，前列腺癌1259例，前列腺增生臺開前列腺癌335例。

1.2數(shù)據(jù)預(yù)處理

1.2.1變量重編碼為建立二分類預(yù)測模型，對病理診斷結(jié)果進(jìn)行重編碼， 1= 前列腺癌或前列腺增生合并前列腺癌， 0= 前列腺增生。

1.2.2定義新變量 計(jì)算體質(zhì)指數(shù)（body mass index，BMI），在建模時僅納入BMI，不再納入身高和體重。因此，變量數(shù)減少為30個。

1.2.3剔除缺失值計(jì)算變量缺失值情況，載脂蛋白AII、載脂蛋白C2、載脂蛋白C3、載脂蛋白E、肌酸激酶同工酶定量測定、磷脂、腦利鈉肽前體和肌鈣蛋白T共8個變量缺失率超過 75% ，剔除這些變量。因此，變量數(shù)減少為22個。最后剔除1321例仍然存在缺失值的患者數(shù)據(jù)，最終納入1679例患者數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)模型構(gòu)建和驗(yàn)證。

1.3方法將1679例患者數(shù)據(jù)按照7：3隨機(jī)拆分為訓(xùn)練集和驗(yàn)證集。

1.3.1模型訓(xùn)練在訓(xùn)練集訓(xùn)練LR、CART、RF、XGB、SVM、ANN和Super Learner共7種模型，采用重復(fù)3次的五折交叉驗(yàn)證法對除LR以外的6種模型進(jìn)行超參數(shù)調(diào)優(yōu)，根據(jù)AUC選取6種模型的最優(yōu)超參數(shù)取值。

1.3.2模型驗(yàn)證在驗(yàn)證集進(jìn)行模型預(yù)測和驗(yàn)證，并從模型區(qū)分度（discrimination）、校準(zhǔn)度（calibration）和臨床實(shí)用性（clinicalutility或clinicalusefulness）3個維度全面評價(jià)模型表現(xiàn)，并確定最優(yōu)模型。區(qū)分度指標(biāo)包括AUC和靈敏度、特異度、陽性預(yù)測值和陰性預(yù)測值；校準(zhǔn)度指標(biāo)包括校準(zhǔn)曲線和Brier評分；臨床實(shí)用性指標(biāo)是指決策分析曲線（decisioncurve analysis，DCA）。

1.3.3模型解釋針對選取的最優(yōu)模型，從全局角度和個性化角度分別進(jìn)行模型解釋。全局角度：以1-AUC為排序指標(biāo)，對最優(yōu)模型中的變量重要性（vari-able importance）進(jìn)行排序；個性化角度：采用LIME法對選出的最優(yōu)黑箱模型進(jìn)行個性化解釋。具體過程如下：采用LIME法，局部訓(xùn)練一個與最優(yōu)模型局部預(yù)測精度相近的可解釋替代模型，采用此模型，對隨機(jī)選取的一名患者i，預(yù)測得到PCa風(fēng)險(xiǎn)概率值，并分別計(jì)算每一個預(yù)測變量j貢獻(xiàn)的PCa風(fēng)險(xiǎn)概率值，從而實(shí)現(xiàn)黑箱模型的可解釋性。使用LIME 法解

釋模型時，同一個預(yù)測變量i，對不同患者i和i1的貢獻(xiàn)值是不一樣的，這體現(xiàn)了機(jī)器學(xué)習(xí)模型的個性化預(yù)測[19]。

1.4統(tǒng)計(jì)學(xué)方法采用 R4.2.1 軟件進(jìn)行統(tǒng)計(jì)分析和模型構(gòu)建。連續(xù)型變量根據(jù)是否符合正態(tài)分布，分別采用 和 M（P₂₅，P₇₅） ]進(jìn)行描述，分別采用兩個獨(dú)立樣本 t 檢驗(yàn)和兩個獨(dú)立樣本W(wǎng)ilcoxon秩和檢驗(yàn)進(jìn)行單因素分析；分類變量采用 [n（%） 進(jìn)行描述，采用 χ² 檢驗(yàn)或Fisher精確檢驗(yàn)進(jìn)行單因素分析。 Plt; 0.05認(rèn)為差異有統(tǒng)計(jì)學(xué)意義。

2結(jié)果

2.1樣本基本情況經(jīng)過數(shù)據(jù)預(yù)處理，最終保留1679例患者的22個變量信息，包含年齡、BMI、總PSA、游離PSA、鈉、鈣、氯化物等。1679例患者中，892例被診斷為前列腺癌（合并前列腺增生182例），787例被診斷為前列腺增生。

2.2單因素分析結(jié)果前列腺癌和前列腺增生患者的年齡、BMI、球蛋白、肌酸激酶同工酶、總PSA、鈣、氯化物、無機(jī)磷、游離鈣、肌酸激酶、甘油三酯、低密度脂蛋白膽固醇、載脂蛋白A1、載脂蛋白B14個變量比較，差異有統(tǒng)計(jì)學(xué)意義（ Plt;0.05） ，見表1。

表1單因素分析結(jié)果[M （P₂₅，P₇₅） ，x±s]

2.3模型訓(xùn)練和超參數(shù)調(diào)優(yōu)結(jié)果本研究訓(xùn)練了LR、CART、RF、XGB、SVM、ANN和SuperLearner共7種模型： ① LR模型不需要進(jìn)行超參數(shù)調(diào)優(yōu)。② CART模型的超參數(shù)為cp，表示模型復(fù)雜程度，調(diào)參范圍：0.001～0.200，最優(yōu)取值為 0.009 。 ③ RF模型的超參數(shù)為mtry，表示每次建立單棵樹模型時，隨機(jī)選取的預(yù)測變量個數(shù)，調(diào)參范圍：1～22，最優(yōu)取值為18。 ④ XGB模型的超參數(shù)包括nrounds、max_depth、eta、gamma、colsample_bytree、min_child_weight和subsample等，本研究對nrounds、max_depth、eta和gamma四個超參數(shù)進(jìn)行了調(diào)優(yōu)。nrounds調(diào)參范圍：10～200，最優(yōu)取值100;max_depth調(diào)參范圍：1～22，最優(yōu)取值20;eta調(diào)參范圍：0.1～0.9，最優(yōu)取值0.1;gamma調(diào)參范圍：0.5～1.5，最優(yōu)取值1.0。 ⑤ SVM模型的超參數(shù)包括sigma和C。sigma調(diào)參范圍：0.025～0.15，最優(yōu)取值0.025；C調(diào)參范圍：1～10，最優(yōu)取值 2⑥ANN 模型的超參數(shù)包括size和decay，size表示神經(jīng)網(wǎng)絡(luò)隱藏層節(jié)點(diǎn)的數(shù)量，decay表示節(jié)點(diǎn)間鏈接數(shù)量的衰減權(quán)重。size調(diào)參范圍：1～22，最優(yōu)取值2;decay調(diào)參范圍：0.1～1.0，最優(yōu)取值0.7。 ⑦ SuperLearner模型對上述6種模型進(jìn)行集成，每個子模型的超參數(shù)取值與上述6種模型一致。SuperLearner模型根據(jù)公式（2），將6種模型的預(yù)測結(jié)果作為自變量X，進(jìn)行二次預(yù)測和加權(quán)整合。根據(jù) SuperLearner模型訓(xùn)練結(jié)果，LR、CART、RFXGB、SVM和ANN這6種模型對應(yīng)的回歸系數(shù)分別為0.272、0.095、0.291，0.343，0.000 和 0.000

β_XGB×X_XGB+β_SVM×X_SVM+β_ANN×X_ANN

2.4模型驗(yàn)證和比較結(jié)果本研究比較了7種模型在訓(xùn)練集和驗(yàn)證集的模型表現(xiàn)。表2呈現(xiàn)了模型區(qū)分度指標(biāo)AUC、靈敏度、特異度、陽性預(yù)測值和陰性預(yù)測值，同時呈現(xiàn)了模型校準(zhǔn)度指標(biāo)Brier評分。圖1呈現(xiàn)了7種模型在訓(xùn)練集和驗(yàn)證集的ROC曲線、校準(zhǔn)曲線和DCA曲線。在訓(xùn)練集，RF、XGB和SuperLearner的AUC、靈敏度、特異度、陽性預(yù)測值和陰性預(yù)測值均為1.000，優(yōu)于其他模型；三個模型的Brier評分分別為 0.027.0.011 和0.055，優(yōu)于其他模型。根據(jù)圖1C，3個模型的DCA曲線優(yōu)于其他模型，當(dāng)橫坐標(biāo)風(fēng)險(xiǎn)閾值在 40%～60% 范圍內(nèi)時，3個模型的縱坐標(biāo)臨床凈獲益均為 100% 。在驗(yàn)證集，SuperLearner的AUC、特異度和陽性預(yù)測值最高，分別為 0.762，0.696 和0.746，優(yōu)于其他模型;SuperLearner的Brier評分最低，為0.197，優(yōu)于其他模型；SuperLearner的靈敏度為0.752，僅次于RF的0.785；SuperLearner和LR的陰性預(yù)測值均為0.702，低于RF的0.781和SVM的0.737。根據(jù)圖1F，當(dāng)橫坐標(biāo)風(fēng)險(xiǎn)閾值在 40%～50% 時，Super Learner的縱坐標(biāo)臨床凈獲益高于其他模型。

表27種模型在訓(xùn)練集和驗(yàn)證集的模型表現(xiàn)

圖17種模型在訓(xùn)練集和驗(yàn)證集的ROC曲線、校準(zhǔn)曲線和DCA曲線

圖17種模型在訓(xùn)練集和驗(yàn)證集的ROC曲線、校準(zhǔn)曲線和DCA曲線（續(xù)）

2.5最優(yōu)模型的可視化解釋結(jié)果綜合考慮模型評價(jià)的3個維度結(jié)果，SuperLearner被推薦為最優(yōu)模型。SuperLearner的可視化解釋結(jié)果見圖2。其中，圖2A為基于LIME方法的個性化解釋結(jié)果：以在訓(xùn)練集隨機(jī)抽取的第302號患者為例，SuperLearner模型對該患者的PCa風(fēng)險(xiǎn)預(yù)測概率為0.873，該患者相似人群的基準(zhǔn)風(fēng)險(xiǎn)為0.524，22個預(yù)測變量在此基礎(chǔ)上，分別增加或降低了風(fēng)險(xiǎn)概率值。圖2B為以1-AUC為衡量指標(biāo)的SuperLearner模型的變量重要性排序結(jié)果，排在前5位的變量分別為總PSA、游離PSA、無機(jī)磷、肌酐和低密度脂蛋白膽固醇。

圖2最優(yōu)模型—SuperLearner的可視化解釋結(jié)果

圖2最優(yōu)模型—SuperLearner的可視化解釋結(jié)果（續(xù)）

3討論

PCa在全球男性癌癥發(fā)病率中居于第二位，嚴(yán)重危及男性生命健康。PCa的早期篩查與精準(zhǔn)診治非常重要，AI與ML算法的快速發(fā)展為高精度PC風(fēng)險(xiǎn)預(yù)測模型的構(gòu)建提供了可能[20-22]。本研究采用國家人口健康科學(xué)數(shù)據(jù)中心提供的前列腺腫瘤預(yù)警數(shù)據(jù)集，運(yùn)用7種ML算法，包括LR、CART、RF、XGB、SVM、ANN和SuperLearner，建立并驗(yàn)證了PCa風(fēng)險(xiǎn)預(yù)測模型。綜合考慮模型區(qū)分度、校準(zhǔn)度和臨床實(shí)用性3個維度的指標(biāo)，SuperLearner模型表現(xiàn)最優(yōu)。

既往研究也應(yīng)用多種單一類型的ML算法建立了PCa風(fēng)險(xiǎn)預(yù)測模型，但未見SuperLearner模型相關(guān)研究。CastaldoR等23采用了LDA、LR、CART、RF、SVM、ANN等多種ML或深度學(xué)習(xí)算法，結(jié)果發(fā)現(xiàn)不同研究、不同算法間的模型異質(zhì)性較強(qiáng)。ChenS等[24回顧性收集了551例患者的電子病歷數(shù)據(jù)，建立了單因素總PSALR、多因素LR、CART、RF和SVM共5種PCa風(fēng)險(xiǎn)預(yù)測模型，5種模型的AUC分別為0.846、0.918、0.886、0.898和0.895。Chen G等[21]基于1915例PCa患者數(shù)據(jù)，運(yùn)用XGB算法建立了PCa模型，其AUC為0.820。此外，其他多項(xiàng)研究也采用多種ML算法分別建立了PCa預(yù)測模型[1I-13]，而采用SuperLearner算法能夠?qū)Χ喾N單一類型的ML算法進(jìn)行整合，對多種單一算法的預(yù)測結(jié)果進(jìn)行二次預(yù)測，從而發(fā)揮Stacking集成學(xué)習(xí)算法的優(yōu)勢[14，15]

ML算法模型的可解釋性（interpretability或ex-plainability）是其在臨床實(shí)踐中推廣和應(yīng)用的痛點(diǎn)問題之一[19.25]。本研究在選出最優(yōu)模型——SuperLearner的基礎(chǔ)上，從總體和個性化兩個角度對模型進(jìn)行了可解釋性分析。

本研究以1-AUC為排序指標(biāo)，總體評價(jià)了22個自變量的預(yù)測重要性。在SuperLearner模型中，排在前5位的變量分別為總PSA、游離PSA、無機(jī)磷、肌酐和低密度脂蛋白膽固醇。與其他研究相比，ChenG等的XGB模型中，游離PSA/總PSA比值、總PSA、無機(jī)磷、游離PSA和鉀是前5位重要變量；熊思偉等[3在建立Stacking集成學(xué)習(xí)模型前，基于互相信息方法篩選出了前列腺體積、年齡、游離PSA、總PSA、無機(jī)磷、低密度脂蛋白膽固醇、游離PSA/總PSA比值、前列腺特異性抗原密度（PSAD）等19個重要變量。WangC等構(gòu)建的RF模型中，排在前5位的變量分別為前列腺體積、無機(jī)磷、游離PSA、乳酸脫氫酶和血清肌酐。李翔等[2建立了LR、LSVM和RF三種模型，三種模型的變量重要性排序結(jié)果均存在差異。本研究與其他研究發(fā)現(xiàn)的重要性變量存在差異，這可能與樣本量和采取的算法不同有關(guān)，但同時也發(fā)現(xiàn)，總PSA、游離PSA在不同研究中均為預(yù)測PCa較為重要的變量。

本研究采用LIME法，以在訓(xùn)練集隨機(jī)選取的1例患者（ ID=302 ）為例，進(jìn)行了SuperLearner模型的個性化解釋。SuperLearner模型對該患者的PCa風(fēng)險(xiǎn)預(yù)測概率為0.873，該患者相似人群的基準(zhǔn)風(fēng)險(xiǎn)為0.524，22個預(yù)測變量在此基礎(chǔ)上，分別增加或降低了風(fēng)險(xiǎn)概率值。除LIME法外，基于博弈論的Shapley加性解釋（shapleyadditiveexplanations，SHAP）方法也比較常用，ChenG等2對其基于臨床數(shù)據(jù)建立的XGB模型采用SHAP法進(jìn)行了個性化解釋。在基因數(shù)據(jù)方面，ElmarakebyHA等開發(fā)了一種名為P-NET的深度神經(jīng)網(wǎng)絡(luò)模型，Elmarakeby將該模型的神經(jīng)網(wǎng)絡(luò)架構(gòu)進(jìn)行了可視化解釋。在影像數(shù)據(jù)方面， HammCA 等[28也開發(fā)了一種基于MRI影像數(shù)據(jù)的可解釋人工智能XAI模型（explainableartificialintelligence，XAI），該模型的AUC為0.87，靈敏度為 93% ?；诙囝愋蛿?shù)據(jù)的精準(zhǔn)、可解釋、個性化PCa風(fēng)險(xiǎn)預(yù)測與診斷，是未來的發(fā)展方向。

4總結(jié)與展望

4.1研究局限性本研究構(gòu)建了7種基于ML算法的PCa風(fēng)險(xiǎn)預(yù)測模型，其中SuperLearner綜合表現(xiàn)最優(yōu)，而且能夠從全局和個性化角度對最優(yōu)模型進(jìn)行可解釋性分析。但是，本研究仍存在以下局限性：① 數(shù)據(jù)存在缺失值：由于缺失值的存在，本研究剔除了部分可能具有預(yù)測價(jià)值的變量，如載脂蛋白AII、載脂蛋白C2等，同時也剔除了部分個案，減少了預(yù)測變量個數(shù)和訓(xùn)練集樣本量，未采用多重插補(bǔ)等方法對缺失數(shù)據(jù)進(jìn)行插補(bǔ)。 ② 模型缺少外部驗(yàn)證：受限于單中心研究設(shè)計(jì)，本研究僅通過隨機(jī)拆分完成了模型內(nèi)部驗(yàn)證，未能通過多中心數(shù)據(jù)實(shí)現(xiàn)外部驗(yàn)證，而外部驗(yàn)證結(jié)果對最優(yōu)模型SuperLearner的推廣應(yīng)用非常重要。 ③ 模型納入變量有待完善：本研究僅基于社會人口學(xué)、生化指標(biāo)和腫瘤標(biāo)志物訓(xùn)練了ML模型，未能納入基因組學(xué)、影像學(xué)等多維度關(guān)鍵預(yù)測變量。

4.2研究展望本研究采用國家人口健康科學(xué)數(shù)據(jù)中心提供的前列腺腫瘤預(yù)警數(shù)據(jù)集，運(yùn)用SuperLearner算法構(gòu)建了在模型區(qū)分度、校準(zhǔn)度和臨床實(shí)用性三個維度綜合表現(xiàn)優(yōu)秀的PCa風(fēng)險(xiǎn)預(yù)測模型。未來研究可在SuperLearner模型的基礎(chǔ)上，通過缺失值處理擴(kuò)大樣本量、納入多維度關(guān)鍵預(yù)測變量和多中心數(shù)據(jù)外部驗(yàn)證等方式進(jìn)一步完善模型預(yù)測精度和可泛化性能，同時運(yùn)用黑箱模型可解釋方法和信息技術(shù)開發(fā)基于SuperLearner算法的PCa風(fēng)險(xiǎn)預(yù)測網(wǎng)頁計(jì)算器，從而推動SuperLearner模型的臨床應(yīng)用，為PCa的精準(zhǔn)預(yù)測和診斷提供參考。

致謝：本研究使用的《前列腺腫瘤預(yù)警數(shù)據(jù)集》數(shù)據(jù)來源于“國家人口健康科學(xué)數(shù)據(jù)中心數(shù)據(jù)倉儲PHDA\"（http：//www.ncmi.cn）。感謝國家人口健康科學(xué)數(shù)據(jù)中心和中國人民解放軍總醫(yī)院提供的支持與幫助。

參考文獻(xiàn)：

[1]Sung H，F(xiàn)erlay J，Siegel RL，etal.Global Cancer Statistics2020： GLOBOCAN Estimates of Incidence and Mortality Worldwide for36Cancersin 185 Countries [J].CA CancerJClin，2021，71 （3）：209-249.

[2]Siegel RL，MillerKD，Wagle NS，et al.Cancer statistics，2023 [J].CA CancerJ Clin，2023，73（1）：17-48.

[3]Xia C，DongX，LiH，et al.Cancer statistics in China and United States，2O22：profiles，trends，and determinants [J].Chinese Medical Jourmal，2，5（5）：5490.

[4]ZhengR，Zhang S，Zeng H，et al.Cancer incidence and mortality in China，2O16[].Journal of the National Cancer Center， 2022，2（1）：1-9.

[5]SchafferKR，Shi M，Shelley JP，etal.A Polygenic Risk Score forProstate CancerRisk Prediction[J].JAMA InternalMedicine， 2023，183（4）：386-388.

[6]Hwang T，Oh H，Lee JA，et al.Prostate cancer risk prediction based on clinical factors and prostate-specificantigen[J].BMC Urology，2023，23（1）：100.

[7]路帥，李文杰，徐紫薇，等.前列腺癌風(fēng)險(xiǎn)預(yù)測模型的構(gòu)建與 驗(yàn)證[].重慶醫(yī)科大學(xué)學(xué)報(bào)，2023，48（3）：328-334.

[8]Suarez-IbarrolaR，Sigle A，Eklund M，etal.Artificial Inteligence in Magnetic Resonance Imaging-based Prostate Cancer Diagnosis：Where Do We Stand in 2021？[].European Urology Focus，2022，8（2）：409-417.

[9]Deng X，Li T，MoLetal.Machine learning model for the prediction of prostate cancer in patients with low prostate-specific antigen levels：Amulticenterretrospectiveanalysis[].Frontirsin Oncology，2022，12：985940.

[10]中國人民解放軍總醫(yī)院.前列腺腫瘤預(yù)警數(shù)據(jù)集[Z].國家人 口健康科學(xué)數(shù)據(jù)中心數(shù)據(jù)倉儲 PHDA.2019：CSTR：A0006.11. A5.201905.000531.

[11]Wang C，Chang QX，Wang XM，et al.Prostate CancerRisk Prediction and Online Calculation Based on Machine Learning Algorithm D].Chinese Medical Sciences Journal，2O22，37 （3）：210- 217.

[12]李翔，李姝婷，陳容，等.前列腺癌3種早期診斷預(yù)測模型效 能比較[J].西南醫(yī)科大學(xué)學(xué)報(bào)，2023，46（4）：330-335.

[13]熊思偉，劉玉琳.基于Borderline-SMOTE算法與 Stacking 集成學(xué)習(xí)的前列腺腫瘤風(fēng)險(xiǎn)預(yù)測研究.現(xiàn)代腫瘤醫(yī)學(xué)，2023，31 （16）：3075-3081.

[14]Van Der Laan MJ，PolleyEC，Hubbard AE.Super learner[J]. Statistical Applications in Geneticsand Molecular Biology， 2007，6：Article25.

[15]PhillipsRV，VanDerLaanMJ，LeeH，etal.Practical considerations for specifying a super learner [J].International Journal of Epidemiology，2023，52（4）：1276-1285.

[16]ParkJY，Hsu TC，HuJR，etal.PredictingSepsisMortalityina Population-Based National Database：Machine Learning Approach [].Journal of Medical Internet Research，2O22，24 （4）： e29982.

[17]Wu Y，Jia M，XiangC，etal.Predicting the long-term cognitive trajectories using machine learning approaches：A Chinese nationwidelongitudinaldatabase[J].PsychiatryResearch， 2022，310：114434.

[18]Nafee T，Gibson CM，Travis R，et al.Machine learning to predict venous thrombosis in acutely ill medical patients [J].Research and Practice in Thrombosis and Haemostasis，2020，4 （2）： 230-237.

[19]Ribeiro MT，Singh S，Guestrin C.\"Why Should I Trust You？\"：Explaining the Predictionsof Any Classifier[J].ACM， 2016，8：1-10.

[20]GoldenbergSL，NirG，Salcudean SE.A new era：artificial intelligence and machine learningin prostate cancer[J].Nature reviewsUrology，2019，16（7）：391-403.

[21]ChenG，DaiX，ZhangM，etal.Machine learning-based prediction model and visual interpretation for prostate cancer [J]. BMCUrology，2023，23（1）：164.

[22]王毅，李遠(yuǎn)哲，李淑婷，等.基于多模態(tài)磁共振放射組學(xué)與臨 床指標(biāo)的前列腺癌智能檢測及風(fēng)險(xiǎn)預(yù)測模型建立.中國醫(yī) 學(xué)物理學(xué)雜志，2023，40（2）：251-260.

[23]Castaldo R，Cavaliere C，Soriceli A，et al.Radiomic and Genomic Machine Learning Method Performance for Prostate Cancer Diagnosis：Systematic Literature Review [J].Journal of Medical InternetResearch，2021，23（4）：e22394.

[24]ChenS，Jian T，ChiC，etal.Machine Learning-Based Models Enhance the Prediction of Prostate Cancer [J].Frontiers in Oncology，2022，12：941349.

[25]Watson DS，Krutzinna J，Bruce IN，et al.Clinical applications ofmachine learning algorithms：beyond the black box[J].BMJ， 2019，364：1886.

[26]Rozemberczki B，Watson L，BayerP，et al.The Shapley Value in Machine Learning [J].IJCAI，2022，22：5572-5579.

[27]Elmarakeby HA，Hwang J，Arafeh R，et al.Biologicallyinformed deep neural network for prostate cancer discovery[].Nature，2021，598（7880）：348-352.

[28]Hamm CA，Baumg?rtner GL，Biessmann F，et al.Interactive Explainable Deep LearningModel Informs Prostate Cancer DiagnosisatMRI[J].Radiology，2023，307（4）：e222276.

收稿日期：2024-04-15;修回日期：2024-05-31

編輯/成森