利用生存数据的机器学习模型计算与解释变量相关的风险比

目的：Cox 比例风险(CoxPH)模型在生存数据上的应用以及风险比(HR)的推导已十分成熟。虽然非线性、基于树的机器学习(ML)模型已被开发并应用于生存分析，但尚不存在从此类模型计算与解释变量相关的 HR 的方法。我们描述了一种利用 Shapley 加性解释(SHAP)值从基于树的 ML 模型计算 HR 的新方法，SHAP 值是一种局部准确且一致的方法，用于量化解释变量对预测的贡献。方法：我们使用了三组公开可用的生存数据，包括结肠癌、乳腺癌或泛癌患者，并将 CoxPH 与最先进的 ML 模型 XGBoost 的性能进行比较。为从 XGBoost 模型计算解释变量的 HR，将 SHAP 值取指数，并计算两个子组上均值之比。置信区间通过对训练数据自助采样并生成 1000 次 ML 模型得到。在这三组数据上，我们系统地比较了所有解释变量的 HR。分析中使用了 Python 和 R 中的开源库。结果：对于结肠癌和乳腺癌数据集，CoxPH 与 XGBoost 的性能相当，且我们计算的 HR 表现出良好的一致性。在泛癌数据集中，大多数变量结果一致，但 CoxPH 与 XGBoost 结果中两个解释变量存在相反发现。随后的 Kaplan-Meier 图支持了 XGBoost 模型的发现。结论：能够从 ML 模型推导 HR 有助于改进从复杂生存数据集中识别风险因素，并增强临床试验结果的预测。