单中心232例甲状腺乳头状癌数据中，SVM模型以验证集AUC 0.849预测淋巴结转移，且去除BRAF后AUC仅降0.007
核心概要
该回顾性研究纳入铜陵市人民医院232例接受甲状腺手术的甲状腺乳头状癌患者，用LASSO从32个候选变量中筛出BRAF突变状态、肿瘤大小、包膜侵犯、甲状腺外侵犯、多灶性和TSH六个特征，比较七种机器学习算法，支持向量机（SVM）在验证队列表现最佳（AUC 0.849，95% CI 0.756–0.934；准确率0.768），SHAP分析显示TSH与肿瘤大小贡献最大，消融分析显示去掉BRAF后验证AUC由0.849降至0.843（P=0.671）。
FIGURE 1 Flowchart of patient inclusion and exclusion. A total of 1,151 patients undergoing thyroid surgery were initially screened. After excluding 422 patients with non-malignant tumors or unclear pathological diagnoses, 729 patients remained. Among these, 468 patients were excluded because BRAFV600E testing was unavailable, leaving 261 patients with available BRAF results. A further 29 patients were excluded because of incomplete clinical or biochemical data, resulting in a final analytic cohort of 232 patients. No patients were excluded because of age <18 years.
· 第 3 页深度剖析
在232例甲状腺乳头状癌术后队列中，LASSO在训练队列按一倍标准误准则保留六个预测特征：BRAF突变状态、肿瘤大小、包膜侵犯、甲状腺外侵犯、多灶性和TSH，作者将其表述为“selected predictive features”而非独立预后或因果因素。 与既往多依赖临床和超声特征的模型相比，该研究把分子标志物与生化指标一并纳入同一特征筛选流程，并明确说明超声结构化描述和桥本甲状腺炎未作为候选变量。 单中心回顾性队列，最终分析232例（训练163例、内部验证69例），LASSO仅在训练队列进行，验证队列不参与特征筛选与超参数调优。
七种算法中SVM在验证队列区分度最高，AUC 0.849（95% CI 0.756–0.934）、准确率0.768；训练队列AUC 0.912（95% CI 0.864–0.950）、准确率0.834。 同一数据上随机森林训练AUC 0.998而验证降至0.697、XGBoost由0.976降至0.788，SVM的训练到验证下降幅度相对更小，作者据此以验证表现而非训练表现选择最终模型。 验证队列69例，AUC的95% CI由1,000次bootstrap重采样估计；校准曲线、Brier评分与决策曲线分析被用于支持SVM的选择。
消融分析显示BRAFV600E的增量贡献有限：完整六变量SVM验证AUC 0.849，去除BRAF的五变量SVM为0.843，绝对差0.007，配对DeLong检验P=0.671；阈值0.50时两模型准确率分别为0.768与0.797，敏感度均为0.860，特异度分别为0.615与0.692。 该研究没有把BRAF与淋巴结转移的关联直接等同于多变量模型中的增量预测价值，而是在同一训练/验证划分下重新调参后做配对比较。 同一队列内的消融比较，减少模型在训练队列重新调优，AUC差异用配对DeLong检验评估。
SHAP分析给出全局与个体层面的解释，特征重要性排序显示TSH与肿瘤大小是驱动模型输出的最主要变量，瀑布图与力图为单个病例展示各特征如何把预测概率从基线推移。 在SVM这一相对不透明的模型上补充了可解释层，使六变量模型的风险输出可以逐例拆解，而不只停留在总体AUC。 基于博弈论SHAP值的模型解释，属于对已训练模型的归因分析，不构成因果推断。
启示与展望
该模型面向已接受甲状腺手术、且BRAFV600E检测与相关临床生化资料齐全的甲状腺乳头状癌患者，用于术后个体化淋巴结转移风险估计，定位为术后病理评估的补充而非替代组织病理诊断或指南管理。作者提出，当病理淋巴结评估受限，或观察到的淋巴结结果与其他临床病理特征不一致时，模型估计的高风险可作为提示更仔细复核病理标本、针对性术后颈部影像或多学科复核的额外信号；低风险不能用于排除隐匿性淋巴结病变。模型不用于单独决定放射性碘治疗、TSH抑制、再次手术等治疗决策。
本次读取的文本不完整，图1至图5、补充表1至表3的具体内容未包含在已加载材料中，因此校准曲线、决策曲线、SHAP图的具体形态以及补充表中的完整超参数搜索空间无法在此核对。作者列出的开放问题包括：单中心回顾性设计与232例样本、结局分布为62.5%淋巴结转移对37.5%非转移、淋巴结清扫范围不完全统一可能造成隐匿转移漏检与结局错分、要求BRAF检测可能带来选择偏倚（最终队列与未检测者淋巴结转移率62.5%对60.3%，P=0.567）、缺少标准化术前超声特征与桥本甲状腺炎变量、部分预测因子来自术后病理因而限制纯术前应用。模型能否在更大规模前瞻性多中心队列中保持稳健与可推广，以及将其纳入临床流程是否改善决策或患者结局，仍是待回答的问题。