一项国际多中心研究,旨在开发和验证门癌症的基于学习的联合预后模型
Stelios Theophanous1,2, Per-Ivar Lønne3, Ananya Choudhury4
1Leeds Teaching Hospitals NHS Trust, Leeds, UK. stelios.theophanous@nhs.net.
Nature communications
|March 15, 2026
概括
联合学习可以通过在多个机构之间培训模型,而无需共享患者数据,为门癌等罕见癌症提供强大的预后模型. 这种方法确保了数据隐私,并支持国际合作精密瘤学.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 生物统计学 生物统计学
背景情况:
- 精确瘤学需要罕见癌症亚组的高质量数据.
- 联合学习为数据访问挑战提供了潜在的解决方案.
研究的目的:
- 调查联合学习对门癌,一种罕见的癌症的预后建模的实用性.
- 用现实数据评估联合多变量考克斯模型的性能.
主要方法:
- 在14个国际中心 (1428名患者) 训练了联合多变量Cox模型.
- 在另外两个中心 (277名患者) 进行了外部验证的模型.
- 使用离开一个中心的交叉验证来进行可靠的评估.
主要成果:
- 在验证中实现了一致的校准和歧视 (c指数0.68-0.79).
- 确定了总体生存,局部区域控制和远程转移的预后因素.
- 证明了联合学习对罕见癌症建模的有效性.
结论:
- 联合学习能够保护隐私,为罕见癌症提供强大的预后建模.
- 支持国际合作和在瘤学中利用现实世界的数据.
- 通过利用分布式数据资源,促进精确瘤学.


