清華團隊揭示多種癌癥生存曲線：穩定學習預后標志物引領新希望！

原標題：穩定學習預后標志物，多種癌癥生存曲線證實！清華最新成果登Nature頂級子刊
文章來源：新智元
內容字數：4895字

清華大學與國家蛋白質科學中心的新成果

近日，清華大學與國家蛋白質科學中心聯合提出了一種新的生存分析方法——Stable Cox模型。該模型旨在解決多中心、大隊列異質數據中的標志物發現問題，并已在全球頂級期刊《Nature Machine Intelligence》上發表。

1. 穩定生存分析與預后標志物

預后標志物是能夠提供患者疾病發展、結果或生存情況的生物標志物，包括生物分子、細胞特征或影像學特征等。通過對這些標志物的檢測和分析，醫生可以更好地預測病情進展、治療反應及復發風險等重要信息。

2. 研究背景與挑戰

生存分析是一項重要的統計研究，廣泛應用于醫學、公共衛生等領域。盡管Cox回歸模型在生存分析中應用廣泛，但其假設訓練和測試數據分布相似，這在實際中往往不成立，導致模型的泛化性和可靠性受到挑戰。如何在異質性數據中找到穩定的生物標志物成為研究的關鍵問題。

3. Stable Cox模型的創新

Stable Cox模型通過消除不穩定協變量與生存結果之間的虛假相關性，識別穩定預后標志物。該模型由兩階段組成：首先，通過性驅動的樣本加權使協變量；其次，在加權Cox回歸階段，利用學到的樣本權重來分離每個變量對生存輸出的影響。研究表明，即使在模型錯誤估計的情況下，Stable Cox模型也能識別穩定變量進行預測。

4. 實驗結果與應用前景

研究團隊在多種癌癥組學數據和臨床生存數據上進行廣泛實驗，展示了該方法的強大泛化能力，預后亞型人群分組結果顯著提升。Stable Cox模型的權重系數可用于發現潛在的組合標志物，并在不同中心預后具有一致性，這對于臨床決策和靶向藥物研發具有重要意義。

5. 結論與未來展望

這項研究不僅為生存分析提供了一種新的方，也為機器學習在醫療領域的應用提供了穩定性和可靠性的新視角。隨著對穩定預后標志物識別技術的深入研究，未來有望實現疾病的早期診斷和更準確的治療方案。

通訊作者：崔鵬副教授、常乘副研究員；共同第一作者：范少華博士、徐韌喆博士、董乾博士。

聯系作者

文章來源：新智元
作者微信：
作者簡介：智能+中國主平臺，致力于推動中國從互聯網+邁向智能+新紀元。重點關注人工智能、機器人等前沿領域發展，關注人機融合、人工智能和機器人對人類社會與文明進化的影響，領航中國新智能時代。