03.23-03.29 临床预测模型研究顶刊快报

1、胰腺癌简约风险分层模型的开发与验证  03.26 JAMA Oncology

1、开发和验证用于预测抗 VEGF 疗法治疗新生血管性年龄相关性黄斑变性视觉和解剖学预后的深度学习模型（孔明研究）：一项前瞻性、全国性、多中心研究 03.26  The Lancet Digital Health

2、动态、定量ESAT6-CFP10皮肤试验预测结核病风险：一项大规模、多中心、前瞻性队列研究  03.26  The Lancet Regional Health – Western Pacific

1、肝内胆管癌的蛋白质组学特征分析可识别风险分层亚组，并将EIF4A1确定为治疗靶点  03.23  nature communications

1、胰腺癌简约风险分层模型的开发与验证

Development and Validation of a Parsimonious Risk Stratification Model for Pancreatic Cancer

（1）背景： 胰腺导管腺癌（PDAC）是美国癌症死亡的主要原因之一。虽然早期发现可以提高生存率，但由于该疾病罕见，因此难以开展人群筛查。

（2）结论：在这项对美国54个医疗系统和英国生物银行的1100多万成年人进行的队列研究中，一个包含19个标准人口统计学、临床和实验室预测指标的简约模型，对新发 PDAC 表现出很强的区分度和校准度。

1、开发和验证用于预测抗 VEGF 疗法治疗新生血管性年龄相关性黄斑变性视觉和解剖学预后的深度学习模型（孔明研究）：一项前瞻性、全国性、多中心研究

Development and validation of a deep learning model to predict visual and anatomical prognosis of anti-VEGF therapy for neovascular age-related macular degeneration (KongMing Study): a prospective, nationwide, multicentre study

（1）背景：现有预测抗VEGF治疗nAMD疗效的深度学习模型多局限于单一任务（仅预测视力或仅预测OCT）、单一时间点（单次注射后）和单中心小样本数据，缺乏结构与功能的联合预测能力，且模型架构多基于卷积神经网络，难以充分捕捉全局上下文特征，临床实用价值有限。

（2）结论：本研究开发的KongMing模型是基于Transformer架构的多任务深度学习模型，能够同时预测治疗后视力变化分类、视力具体数值及OCT图像，在单次注射后、三次负荷注射后及一年后三个时间点均表现优异，内部与外部测试AUC均超过0.94，性能显著优于传统CNN模型及不同年资的临床医师，为nAMD治疗提供了可靠的非侵入性预测工具。

2、动态、定量ESAT6-CFP10皮肤试验预测结核病风险：一项大规模、多中心、前瞻性队列研究

Dynamic, quantitative ESAT6-CFP10 skin test for tuberculosis risk prediction: a large-scale, multi-center, prospective cohort study

（1）背景：现有结核感染检测方法（如TST、IGRA）预测发病能力有限，阳性预测值普遍低于5%，且难以区分近期感染与陈旧感染。新型EC皮肤试验虽具高特异性，但其预测疾病进展的价值尚缺乏大规模前瞻性证据，尤其缺乏基于连续定量检测的风险分层策略。

（2）结论：本研究基于7.3万余例学校结核密接者，证实EC皮肤试验反应直径与结核发病风险呈显著剂量依赖关系。采用“两次检测、取最大值”的联合策略，其预测区分度（C-statistic 0.806）优于单次检测（0.722），且阳性预测值可达4.2%，对应需治疗人数约24人。该策略为结核预防性治疗提供了可操作、低成本的风险分层工具。

1、肝内胆管癌的蛋白质组学特征分析可识别风险分层亚组，并将EIF4A1确定为治疗靶点

Proteomic characterization of intrahepatic cholangiocarcinoma identifies risk-stratifying subgroups and EIF4A1 as a therapeutic target

（1）背景：肝内胆管癌术后复发率高，但缺乏有效的预后分层标志物。现有分子分型多基于基因组或转录组，难以反映蛋白质层面的功能差异。本研究旨在通过蛋白质组学分析，识别与复发风险相关的蛋白亚型，并建立可推广的风险预测模型。

（2）结论：本研究通过蛋白质组学将ICC（肝内胆管癌）分为“ECM富集型”与“增殖型”两类，后者复发风险显著更高。基于4种蛋白构建的分类器可在独立队列中有效复现该分型，并成功预测患者生存差异，验证了蛋白组学分层模型的预后预测价值。