08.25-08.31 临床预测模型研究顶刊快报

1.重新设计机器学习表型以适应不断变化的 COVID-19 形势：N3C 和 RECOVER 联盟的机器学习建模研究

Diagnostic prediction models for spinal fractures in individuals with spinal pain or trauma: a systematic review and meta-analysis

（1）背景：本文旨在解决早期机器学习模型（LCM 1.0）在识别长期COVID患者时的局限性。该模型依赖急性COVID-19感染日期作为分析锚点，无法适应2022年后疫情环境的变化：家庭自测普及导致电子健康记录数据缺失、重复感染增加、以及U09.9诊断代码使用率上升。为此，研究者通过N3C和RECOVER联盟的数据，重新设计模型（LCM 2.0），采用重叠的100天时间窗口动态评估患者状态，并引入对重复感染期间数据的智能删失。新模型摒弃了对急性感染日期的依赖，可覆盖家庭自测未就诊、疑似未确诊、重复感染等复杂病例，确保在疫情演变中维持识别准确性。

（2）解释：该研究的结论是，重新设计的机器学习模型（LCM 2.0）在性能上与早期版本相似（AUC 0.90），但显著提升了适应性和实用性，估计COVID-19阳性人群中长COVID的总体流行率为10.4%。模型通过XGBoost算法训练，使用重叠时间窗口和特征优化（如将SNOMED代码聚合为9623个父概念，并筛选top 200特征），有效地处理了家庭测试和再次感染带来的数据挑战。阈值选择为0.9（基于Youden Index最大化），确保了高特异性，但允许调整以平衡精度和召回率，适用于不同应用场景如临床试验招募或队列分析。历史对照实验显示假阳性率约为7.5%，这进一步验证了模型的可靠性，同时模型分数分布表明COVID-19时期的分数显著高于疫情前，突显了其捕捉真实长COVID病例的能力。

2.脊柱疼痛或创伤患者脊柱骨折的诊断预测模型：系统评价和荟萃分析

Diagnostic prediction models for spinal fractures in individuals with spinal pain or trauma: a systematic review and meta-analysis

（1）背景：该研究旨在通过系统综述和荟萃分析，评估多变量诊断预测模型在识别脊柱疼痛或创伤患者中脊柱骨折的性能和临床适用性。由于脊柱骨折的诊断依赖影像学检查，但过度使用可能导致辐射暴露、费用增加及诊疗延误。现有模型虽被推荐用于筛查，但其准确性、校准度及临床应用价值尚不明确。研究通过全面检索文献，纳入27项研究中的34个模型，使用CHARMS清单提取数据、PROBAST工具评估偏倚风险，并采用GRADE框架评价证据质量，最终对比不同脊柱区域和骨折类型模型的性能差异。

（2）解释：加拿大颈椎规则在急诊环境中筛查创伤性颈椎骨折表现出高敏感性（0.999; 95% CI 0.976–1），但特异性极低（0.188; 95% CI 0.063–0.443），且证据质量极低（GRADE评级）。其高阴性似然比（0.007）支持其作为排除工具的价值，但阳性结果的诊断意义有限（阳性似然比1.230）。

 3.基于深度学习的纵向多区域超声预测乳腺癌患者腋窝病理完全缓解

Deep learning-based prediction of axillary pathological complete response in patients with breast cancer using longitudinal multiregional ultrasound

（1）背景：该研究旨在开发并验证一种基于深度学习的多模态超声模型，用于预测接受新辅助治疗的腋窝淋巴结阳性乳腺癌患者的腋窝病理完全缓解。研究团队提出了一种创新的信息共享-私有学习框架，通过整合纵向原发肿瘤和腋窝淋巴结的超声图像，提取其共性与特异性特征，以解决现有模型的两大局限：一是传统方法未考虑原发灶与转移淋巴结之间的生物学关联，二是现有深度学习模型缺乏可解释性。通过多中心回顾性研究设计，该模型致力于为个体化腋窝手术决策提供非侵入性工具，避免不必要的腋窝淋巴结清扫，同时降低哨淋巴结活检的假阴性率。

（2）解释：iShape模型在三个独立外部验证集（共764例患者）中表现出卓越的预测性能，AUC达0.950–0.971，显著优于单一区域模型）和临床病理模型（P < 0.001）。模型单独预测的假阴性率（FNR）为7.7%–8.1%，低于临床可接受的10%阈值；当与SLNB联用时，FNR从13.4%降至3.6%，显著提升手术安全性。该模型在亚组（不同分子分型、治疗方案、设备类型）中保持稳定性能（AUC 0.812–1.000），为豁免ALND提供了可靠的非侵入性工具，有望优化乳腺癌精准治疗策略。