[论文解读] Predicting colorectal polyp recurrence using time-to-event analysis of medical records

Lia X. Harrington, Jason Wei+3 more|arXiv (Cornell University)|Nov 17, 2019

Colorectal Cancer Screening and Detection参考文献 25被引用 6

一句话总结

本研究利用自然语言处理从电子病历中提取息肉特征，并应用生存分析技术（Kaplan-Meier、Cox比例风险模型和随机生存森林）对953名患者进行结直肠息肉复发的时间-事件预测建模。研究识别出息肉大小、数量、位置（右半结肠 vs. 左半结肠）和吸烟状态为显著预测因子，其中右半结肠息肉使复发风险增加30%，吸烟史使风险增加20%，随机生存森林模型的AUC达到0.65。

ABSTRACT

Identifying patient characteristics that influence the rate of colorectal polyp recurrence can provide important insights into which patients are at higher risk for recurrence. We used natural language processing to extract polyp morphological characteristics from 953 polyp-presenting patients' electronic medical records. We used subsequent colonoscopy reports to examine how the time to polyp recurrence (731 patients experienced recurrence) is influenced by these characteristics as well as anthropometric features using Kaplan-Meier curves, Cox proportional hazards modeling, and random survival forest models. We found that the rate of recurrence differed significantly by polyp size, number, and location and patient smoking status. Additionally, right-sided colon polyps increased recurrence risk by 30% compared to left-sided polyps. History of tobacco use increased polyp recurrence risk by 20% compared to never-users. A random survival forest model showed an AUC of 0.65 and identified several other predictive variables, which can inform development of personalized polyp surveillance plans.

研究动机与目标

• 识别预测结直肠息肉复发时间的患者和息肉特征。
• 通过自然语言处理从电子病历（EMRs）中提取息肉形态学特征。
• 应用时间-事件统计模型评估临床和人体测量因素对复发风险的影响。
• 通过识别高风险患者亚群，为个性化随访策略提供依据。

提出的方法

• 使用自然语言处理（NLP）从953份电子病历的临床记录中提取息肉形态学特征（如大小、数量、位置）。
• 复发时间定义为首次息肉切除术与后续结肠镜检查发现复发之间的间隔。
• 采用Kaplan-Meier生存曲线可视化不同患者和息肉特征的复发率。
• 应用Cox比例风险模型量化各预测变量相关的风险比。
• 训练随机生存森林模型以评估变量重要性并预测复发风险，性能通过时间依赖性AUC进行评估。
• 分析中纳入人体测量特征和吸烟史作为协变量，以评估其对复发的独立影响。

实验结果

研究问题

• RQ1 哪些息肉特征（大小、数量、位置）显著影响结直肠息肉复发的时间？
• RQ2 患者吸烟状态如何随时间影响息肉复发的风险？
• RQ3 与传统临床数据相比，从电子病历中通过NLP提取的特征在预测息肉复发方面能提升多少性能？
• RQ4 在本临床背景下，不同生存模型（Cox模型、随机生存森林）的相对预测性能如何？
• RQ5 哪些患者和息肉特征对于识别高风险个体以实施个性化随访最为关键？

主要发现

• 与左半结肠息肉相比，右半结肠息肉的复发风险高出30%。
• 与从不吸烟者相比，有吸烟史的患者复发风险高出20%。
• 息肉大小、数量和位置显著影响复发率，Kaplan-Meier分析中的log-rank检验结果支持此发现。
• 随机生存森林模型的时间依赖性AUC达到0.65，表明预测性能中等。
• 该模型识别出多个除主要因素外的预测变量，支持个性化随访计划的制定。
• NLP提取的特征与临床数据相结合，提高了对高风险患者进行随访结肠镜检查的识别能力。