Nat. Med. | 人工智能驱动的预测模型：提升结直肠癌手术临床决策支持

结直肠癌择期手术后的不良结局是导致生存率下降、肿瘤学预后不佳和医疗成本上升的重要因素。研究人员利用丹麦国家登记库中 18,403 名患者的数据，并结合单中心的连续患者数据，开发并实施了一个人工智能预测模型，用于术前风险评估和个体化围手术期治疗决策支持。个体化治疗路径根据预测的 1 年死亡风险进行分层，高风险患者接受更高强度的干预。模型在验证集中的 ROC 曲线下面积为 0.79。在前后对照队列研究中，个体化治疗组严重并发症发生率（CCI>20）为 19.1%，显著低于标准治疗组的 28.0%。医疗并发症的发生率在个体化治疗组为 23.7%，在对照组为 37.3%。经济学建模显示该方法具有成本效益。本研究展示了一种可扩展的基于登记数据的 AI 决策支持路径，为改善手术临床结局提供了新策略。

尽管手术技术和围手术期护理不断进步，术后发病率和死亡率仍然是全球普遍的挑战。大量研究表明，围手术期针对性干预可降低术后并发症，但如何有效识别最能获益的高风险患者仍是难点。

• 问题所在：传统风险评估工具缺乏精确度，难以整合多维度健康信息。

• AI 的优势：人工智能可处理大规模、复杂数据，捕捉多因素非线性关系，为个体化风险预测和精准医疗提供可能。

• 研究目标：构建并验证一个基于 AI 的模型，能够分层结直肠癌手术患者的风险，支持医生在真实临床环境中实施个体化治疗。

• NRC 队列：来自国家登记库的 18,403 名患者（2014–2019），用于模型开发与内部验证。

• RCC 队列：单中心回顾性队列，806 名患者（2020–2022），用于外部验证与对照分析。

• PCC 队列：前瞻性队列，194 名患者（2023 年），用于模型临床实施效果评估。

• 初始筛选 8,694 个变量，最终纳入 58 个作为模型特征。

• 在模型开发集上的 AUC 为 0.82，内部验证集为 0.77，外部验证集为 0.79。

• 模型在低风险区间拟合良好，但在高风险区间存在轻微高估趋势。

• 定义四个风险组（A: ≤1%，B: >1–5%，C: >5–15%，D: >15%），风险组别与术后死亡率及并发症的发生率呈一致上升趋势。

• 严重并发症（CCI>20）：个体化治疗组 19.1%，显著低于对照组 28.0%。

• 医疗并发症：个体化治疗组 23.7%，显著低于对照组 37.3%。

• 术后并发症数量：个体化治疗组 90 天内发生率比对照组低 34–37%。

• 再入院率：个体化治疗组平均 0.20 次，对照组 0.31 次。

• 成本效益：个体化治疗每位患者平均节省约 2,848 美元，并增加 0.020 QALY，在 96.6% 的模拟中显示优于标准治疗。

研究人员展示了从 问题提出 → 模型开发 → 临床实施 → 成本效益评估 的完整路径：

• 创新性：将 AI 模型转化为临床可用的决策支持工具，推动了预测型 AI 向干预型 AI 的转变。

• 优势：个体化治疗可降低并发症率和再入院率，同时节约成本，体现精准医疗的临床价值。

• 挑战：模型仍存在风险预测的轻微偏差，前瞻性队列样本量有限，无法完全证明因果关系。

未来方向：

• 开展多中心随机对照试验以验证临床获益；

• 优化治疗组合与风险分层策略；

• 探索跨病种和跨医疗系统的推广可行性。

该研究证明了 AI 风险预测模型在结直肠癌手术围手术期管理中的临床可行性。通过个体化治疗路径，患者的不良结局显著减少，同时具有成本效益。此方法为 AI 在手术和其他医疗领域的广泛应用提供了可扩展的框架。

Rosen, A.W., Ose, I., Gögenur, M. et al. Clinical implementation of an AI-based prediction model for decision support for patients undergoing colorectal cancer surgery. Nat Med (2025). 

https://doi.org/10.1038/s41591-025-03942-x