原標題：穩(wěn)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(nèi)容字數(shù)：4895字

清華大學與國家蛋白質(zhì)科學中心的新成果

近日，清華大學與國家蛋白質(zhì)科學中心聯(lián)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(zhì)數(shù)據(jù)中的標志物發(fā)現(xiàn)問題，并已在全球頂級期刊《Nature Machine Intelligence》上發(fā)表。

1. 穩(wěn)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(fā)展、結(jié)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(yī)生可以更好地預測病情進展、治療反應及復發(fā)風險等重要信息。

2. 研究背景與挑戰(zhàn)

生存分析是一項重要的統(tǒng)計研究，廣泛應用于醫(yī)學、公共衛(wèi)生等領(lǐng)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(shù)據(jù)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(zhàn)。如何在異質(zhì)性數(shù)據(jù)中找到穩(wěn)定的生物標志物成為研究的關(guān)鍵問題。

3. Stable Cox模型的創(chuàng)新

Stable Cox模型通過消除不穩(wěn)定協(xié)變量與生存結(jié)果之間的虛假相關(guān)性，識別穩(wěn)定預后標志物。該模型由兩階段組成：首先，通過性驅(qū)動的樣本加權(quán)使協(xié)變量；其次，在加權(quán)Cox回歸階段，利用學到的樣本權(quán)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(wěn)定變量進行預測。

4. 實驗結(jié)果與應用前景

研究團隊在多種癌癥組學數(shù)據(jù)和臨床生存數(shù)據(jù)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(jié)果顯著提升。Stable Cox模型的權(quán)重系數(shù)可用于發(fā)現(xiàn)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(fā)具有重要意義。

5. 結(jié)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(yī)療領(lǐng)域的應用提供了穩(wěn)定性和可靠性的新視角。隨著對穩(wěn)定預后標志物識別技術(shù)的深入研究，未來有望實現(xiàn)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(lián)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(lián)網(wǎng)+邁向智能+新紀元。重點關(guān)注人工智能、機器人等前沿領(lǐng)域發(fā)展，關(guān)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(lǐng)航中國新智能時代。