Прогнозирование безрецидивной выживаемости больных с почечно-клеточным раком и опухолевым тромбозом почечной и нижней полой вены I–II уровней с использованием расширенной модели Кокса и методов машинного обучения

Цель – сравнить прогностическую точность регрессии Кокса и методов машинного обучения (ML) в отношении безрецидивной выживаемости пациентов с местно-распространенным почечно-клеточным раком после радикального лечения, а также исследовать расширенную модель Кокса, в которой функция риска формируется с использованием нейросетевого аппроксиматора (DeepSurv).

Материал и методы. В данном исследовании был проведен ретроспективный анализ данных пациентов с диагнозом «почечно-клеточный рак», перенесших радикальную нефрэктомию с тромбэктомией из почечной и нижней полой вены в период с 2007 по 2024 годы в ФГБУ «РНЦРХТ им. акад. А.М. Гранова». В исследование включены 100 пациентов (54 мужчины и 46 женщин). Медианный возраст составил 61,5 года (IQR: 59,7–63). Из общего числа наблюдений в 41 случае было зафиксировано прогрессирование заболевания, в остальных 59 случаях данные были цензурированные. Оценка моделей проводилась на основе индекса конкордации (C-index) и интерпретировалась с использованием SHAP-анализа.

Результаты. Нейросетевая модель DeepSurv продемонстрировала более высокую прогностическую точность на тестовой выборке по сравнению с классической моделью Кокса (C-index: 0,8056 против 0,7917 соответственно). Это свидетельствует о лучшей способности модели DeepSurv ранжировать пациентов по индивидуальному риску прогрессирования. С помощью SHAP-анализа установлены ключевые предикторы, вносящие наибольший вклад в прогноз: размер опухоли, степень злокачественности (ISUP-грейд), уровень опухолевого тромбоза и морфологический тип опухоли. Модель DeepSurv позволила учесть сложные нелинейные взаимодействия между признаками, что повысило интерпретируемость и клиническую применимость результатов.

Заключение. Полученные данные подтверждают целесообразность применения методов машинного обучения для персонализированного прогноза и оптимизации тактики наблюдения у больных с почечно-клеточным раком.