多模态生存建模与公平性感知临床机器学习用于 5 年乳腺癌风险预测
机器学习
2026-02-26 v1 定量方法
摘要
临床风险预测模型常在实际应用中表现不佳，due to poor calibration、limited transportability 和 subgroup disparities。这些挑战在由复杂特征相互作用和 p >> n 结构特征化的高维多模态癌症数据集中尤为突出。我们提出了一个完全可复现的多模态机器学习框架，用于乳腺癌 5 年总生存预测，将临床变量与来自 METABRIC 队列的高维转录组和拷贝数变异 (CNA) 特征相结合。经过方差和稀疏性基于的过滤与降维后，使用分层训练/验证/测试划分并依据验证进行超参数调优来训练模型。比较了两种生存方法：弹性网正则化 Cox 模型 (CoxNet) 和使用 XGBoost 实现的梯度提升生存树模型。CoxNet 提供内置特征选择和稳定估计，而 XGBoost 能捕捉非线性效应和更高阶相互作用。性能评估采用时序面积_under_ROC 曲线下面积 (AUC)、平均精确率 (AP)、校准曲线、Brier 分数以及自助抽样 95% 置信区间。CoxNet 在验证和测试上的 AUC 分别为 98.3 和 96.6，AP 分别为 90.1 和 80.4。XGBoost 在验证和测试上的 AUC 分别为 98.6 和 92.5，AP 分别为 92.5 和 79.9。公平性诊断显示在年龄组、雌激素受体状态、分子亚型和绝经状态下的判别能力稳定。本工作引入了一个强调校准、公平性审计、鲁棒性和可复现性的治理导向的多模态生存框架，用于高维临床机器学习。
引用
@article{arxiv.2602.21648,
title = {Multimodal Survival Modeling and Fairness-Aware Clinical Machine Learning for 5-Year Breast Cancer Risk Prediction},
author = {Toktam Khatibi},
journal= {arXiv preprint arXiv:2602.21648},
year = {2026}
}