随机生存森林与Cox回归在儿童肾母细胞瘤长期预后预测中的对比研究：基于SEER数据库与中国外部验证队列

　　本研究针对儿童肾母细胞瘤（WT）长期预后预测精度不足的问题，开发了基于随机生存森林（RSF）的机器学习模型。通过LASSO回归筛选出肿瘤分期、年龄、淋巴结密度（LND）等6个关键变量，利用SEER数据库（1629例）训练并借助中国重庆医科大学儿童医院169例数据外部验证。结果显示RSF模型的C指数（0.868）显著优于传统Cox模型（0.759），NRI和IDI指标均提升（P<0.01），且SHAP分析增强了模型可解释性。该模型为WT患儿风险分层和个体化治疗提供了精准工具。

　　

肾母细胞瘤（Wilms tumor, WT）作为儿童最常见的恶性肾脏肿瘤，虽然近年来通过手术、化疗和放疗的综合治疗使总体生存率显著提升，但长期预后预测仍面临重大挑战。传统预后模型多基于Cox回归方法，存在对数据分布要求严格、难以处理非线性关系等局限性。尤其在中国，由于地域经济差异和诊疗方案不统一，患儿生存率较发达国家更低且波动更大，这使得开发高精度预测工具成为临床迫切需求。

本研究首次将机器学习中的随机生存森林（RSF）算法应用于WT预后预测，利用美国SEER数据库（2000-2021年）的1,629例患儿数据构建模型，并通过重庆医科大学儿童医院（CHCMU）的169例患儿数据进行外部验证。通过LASSO回归从13个临床变量中筛选出6个关键预后因素：肿瘤分期、年龄、淋巴结密度（LND）、肿瘤转移、阳性淋巴结数量和肿瘤侧向性（单/双侧）。研究采用SHAP方法增强模型可解释性，并通过校准曲线、C指数、净重分类指数（NRI）和综合判别改善指数（IDI）等多维度指标与传统Cox模型进行性能对比。

关键技术方法包括：从SEER数据库和CHCMU队列提取临床数据；使用LASSO回归进行特征选择；采用网格搜索优化RSF参数（ntree=600, mtry=2, nodesize=5）；通过10折交叉验证构建模型；使用SHAP分析特征重要性；采用Brier分数、时间依赖ROC曲线和决策曲线分析（DCA）评估性能。

研究结果

临床特征分析：SEER队列中位年龄3岁，CHCMU队列中位年龄2岁。中国患儿肿瘤分期更低但死亡率更高，提示存在隐匿性转移可能。Kaplan-Meier曲线显示中国患儿总生存率显著低于美国患儿（P<0.05）。

变量筛选与模型构建：LASSO回归识别出的6个变量中，肿瘤分期重要性最高，其次为年龄和LND。RSF模型显示最佳预测稳定性。

模型性能验证：RSF模型在训练集、内部验证集和外部验证集均显示良好校准度（预测值与实测值吻合）。时间依赖AUC在3年、5年和7年预测中均超过0.85。风险分层曲线显示高、低风险组生存差异显著（log-rank P<0.001）。

与传统模型对比：RSF的C指数（0.868）显著高于Cox模型（0.759）。NRI（0.305）和IDI（0.177）的改善具有统计学意义（P<0.01）。决策曲线显示RSF在3/5/7年预测中具有更高临床净收益。

敏感性分析：通过多重插补处理缺失数据后，模型仍保持稳定性能（AUC波动<0.02），证实结论可靠性。

结论与意义：本研究构建的RSF模型首次实现WT患儿长期生存的精准预测，其性能显著优于传统Cox模型。SHAP分析明确肿瘤分期为核心预后因素，LND和淋巴结转移状态的重要性首次被量化。模型成功克服了传统方法对线性假设的依赖，能有效处理临床数据中的复杂交互作用。外部验证证实其跨人群适用性，为发展中国家医疗资源优化提供了实用工具。未来需整合基因突变（如1p/16q缺失）和病理学特征以进一步提升预测精度。该研究为儿科肿瘤预后建模建立了新范式，推动机器学习在临床决策中的转化应用。