基于概率校准的弥漫性大B细胞淋巴瘤患者死亡风险预测*

范双龙 赵志强 余红梅 王 蕾 郑楚楚 黄雪倩 阳桢寰 邢 蒙 吕 庆 罗艳虹△

【提 要】 目的 基于概率校准，预测弥漫性大B细胞淋巴瘤(diffuse large B-cell lymphoma，DLBCL)患者两年内的死亡风险，为医生决策和临床治疗提供参考。方法 使用Cox回归筛选DLBCL患者两年内死亡的影响因素。选择logistic回归(logistic regression，logit)、随机森林(random forest，RF)、支持向量机(support vector machines，SVM)、前馈神经网络(feedforward neural network，FNN)构建风险预测模型。同时，使用三种概率校准方法对上述模型进行校准：platt scaling(Platt)、isotonic regression(IsoReg)、shape-restricted polynomial regression(RPR)。使用ROC曲线下的面积(AUC)评价模型的区分性能，使用Hosmer-Lemeshow(H-L)goodness-of-fit test、expected calibration error(ECE)、maximum calibration error(MCE)评价模型的校准性能。结果 logit和FNN能够提供准确的概率估计，校准后其预测性能无提升；RF和SVM的预测概率与真实概率的差异具有统计学意义。除SVM-IsoReg外，三种概率校准方法都能对有偏预测进行良好的校准，且RPR校准效果最好。结论 logit和FNN具有良好的校准性能，而RF和SVM校准性能较差，概率校准能够有效降低它们的预测误差。基于概率校准所构建的风险预测模型达到预期效果。

弥漫性大B细胞淋巴瘤是一种常见的恶性淋巴瘤，由于其在临床表现和预后方面具有很强的异质性，目前仍是一个巨大的临床挑战[1-2]。尽管有超过50%的病例经过标准治疗可以达到持续缓解，但是仍有近三分之一的患者出现耐药或复发，使得生存率大大降低[3-4]。准确的风险估计是实现精准医疗的关键，这能够帮助临床医生做出最佳决策，使患者尽早地开始合适的治疗，减少无效药物的使用，并最终改善个体患者的临床结局[5-7]。因此，有必要为DLBCL患者提供准确的死亡风险预测。

区分度和校准度是评价一个临床预测模型不可或缺的两个尺度[8]。……