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創新成果

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，旨在應對多中心、大隊列異質數據中的挑戰。該方法結合了穩定學習理論，能夠有效識別穩定的預后標志物，并在多種癌癥的組學和臨床預后數據上得到驗證，具備廣泛的應用潛力。

預后標志物的重要性

預后標志物是提供疾病未來發展、結果或患者生存情況等信息的生物標志物，可以是生物分子、細胞特征或影像學特征。通過對這些標志物的分析，醫生能夠更好地預測疾病進程、治療反應及復發可能性等關鍵因素。

Stable Cox模型的核心方法

Stable Cox模型的核心在于消除不穩定協變量與生存結果之間的虛假相關性，從而使學習到的相關性反映出協變量對生存概率的因果影響。該模型分為兩個階段：首先，通過性驅動的樣本加權，使協變量之間相互；其次，在加權的Cox回歸階段，對樣本損失進行重加權，從而有效分離每個變量對生存輸出的影響。

廣泛的應用與實驗驗證

研究團隊在多種癌癥組學數據集（如肝癌、乳腺癌、黑色素瘤）及臨床生存數據（如肺癌、乳腺癌）上進行了廣泛的實驗驗證，結果表明Stable Cox模型具備較強的泛化能力，平均提升6.5%-13.9%。此外，該模型還能夠發現潛在的組合標志物，幫助區分生存風險顯著不同的亞型，為臨床治療決策提供重要支持。

未來的研究方向

現有的標志物識別技術在異質性數據中的泛化能力較差，Stable Cox模型的提出為解決這一難題提供了新思路。該研究強調了在醫療領域應用機器學習技術時，穩定性和可靠性的重要性，將為疾病的早期準確診斷和個性化治療提供新的可能。

本文通訊作者為清華大學崔鵬副教授及國家蛋白質科學中心常乘副研究員，研究得到了國際大科學計劃的支持。

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。