npj Digital Medicine：7家医院2040例二次肺切除，5变量MARS模型预测顽固性低氧，验证AUROC 0.750至0.782

2040例二次肺切除：5变量MARS模型预判顽固性低氧，验证AUROC 0.750至0.782

趋势前瞻 × 医院信息化/临床医生 ｜ 数据视角 × 医疗数据从业者 ｜ 深度研报

2026年9月29日在线发表于npj Digital Medicine的一项多中心回顾性研究，把术前预测的对象对准了一个相当具体的术中事件：二次肺切除患者单肺通气期间的顽固性低氧。研究纳入中国7家医院2013至2023年的2040例患者，比较19种机器学习学习器并结合包装式特征选择建模，最终落在了一个5变量的多元自适应回归样条（MARS）模型上。

结论层面有两处值得临床侧注意。一是发生率：这一并发症在队列中为15.4%，不算罕见。二是那条基线对照：仅用肺功能检查（PFT）的模型表现不足，训练队列AUROC低于0.6、AUPRC低于0.2。也就是说，现有最常用的术前评估手段，在这件事上提供的区分能力有限。

开场：15.4%的发生率，和一份测不准的肺功能报告

二次肺切除（RPR）患者是胸外科里的一类特殊人群：已经接受过一次肺切除，面临第二次手术。单肺通气是这类手术的常规通气方式，而顽固性低氧是其间最棘手的并发症之一。

研究给出的发生率是15.4%。这个数字的意义在于它足够高，高到值得在术前专门做一次风险分层；同时又不够高，低到如果给所有人都按高风险准备，会造成明显的资源浪费——这正是预测模型的用武之地。

而对照组的表现说明问题确实存在：仅用肺功能检查建模时，训练队列AUROC小于0.6、AUPRC小于0.2。这是一条重要的否定性结果，它把「肺功能检查不够用」从临床印象变成了可引用的量化事实。

2040例与两个时间点：数据是怎么组织的

数据来自中国7家医院，时间跨度为2013至2023年，共2040例二次肺切除患者。设计是多中心回顾性研究。

建模所用的不是单一时点的数据，而是术前与第二次术前两个时间点的围术期数据。这个设计对应二次肺切除的临床现实：患者在两次手术之间肺功能已经发生过一次改变，只用第一次术前的资料，等于丢掉了最能反映当前状态的那部分信息。

最终模型整合了双时间点CT衍生的体积学特征与临床特征。摘要未列出这5个变量的具体名称，也未说明CT体积学特征的提取方式与软件来源，因此无法复现特征工程，也无法判断其中临床特征与影像特征各占几席。

19个学习器筛到5个变量：MARS为什么胜出

建模流程分两步。第一步是比较19种机器学习学习器；第二步是结合包装式特征选择做变量筛选。最终胜出的是5变量多元自适应回归样条（MARS）模型。

摘要没有逐一列出19种学习器的名称与各自表现，因此无法判断MARS是全面领先，还是在特定指标上占优。但从结果形态上可以作出一个克制的技术解读：MARS属于可解释性较强的模型族，其输出是分段线性基函数的组合，临床医生可以逐项查看每个变量的贡献区间。在一个只有5个变量的最终模型里，这种可解释性是有实际意义的——它让模型有机会进入术前讨论，而不是停留在评分工具层面。

需要说明的是，摘要未给出特征选择的具体搜索策略、交叉验证方案与超参数设置，也不涉及各学习器的调参深度，所以「MARS为什么胜出」这个问题目前只有一个结果，没有机制层面的答案。

0.790到0.750：训练与验证之间的落差

性能数字必须整组呈现，单引任何一个都会失真。

队列	AUROC	AUPRC	基线发生率
训练队列	0.790	0.445	0.133
验证队列一	0.750	0.641	0.349
验证队列二	0.765	0.529	0.173
验证队列三	0.782	0.473	0.180

训练队列AUROC为0.790，三个验证队列分别为0.750、0.765、0.782。落差确实存在，但幅度不大，最低的0.750与0.790之间相差4个百分点，说明模型没有出现明显的过拟合塌方。这一点对多中心回顾性数据而言并不常见，值得肯定。

真正跳动得厉害的是AUPRC：0.445、0.641、0.529、0.473。四个数字横跨近20个百分点，而它们的排列顺序与AUROC的顺序并不一致——AUPRC最高的0.641出现在AUROC最低的0.750那一组。

原因在于AUPRC与基线发生率强相关。四个队列的基线发生率分别为0.133、0.349、0.173、0.180，训练队列最低（0.133）而验证队列一最高（0.349）。基线发生率越高，同样区分能力下的AUPRC就会越高。因此只看0.641，会把模型在一个发生率异常高的队列上的表现误读为整体性能；只看0.445，又会低估它在高发队列中的表现。正确的读法是把两者并置，并承认跨队列的AUPRC不可直接比较。

研究还报告校准可接受，决策曲线分析显示正向净获益。摘要未给出校准曲线斜率、Brier分数或决策曲线的阈值区间。

冷静观察：AUPRC跳动得厉害，因为它跟着基线发生率走

编辑部认为，这项研究最值得被同行记住的，恰恰是那组不整齐的AUPRC数字，以及它与基线发生率的对应关系。多中心验证报告里常见的做法是挑最好的那个数字写进结论，而这里的四个AUPRC之所以从0.445跳到0.641，几乎完全可以由基线发生率解释。把它如实列出来，比挑一个漂亮数字更有价值。

对临床侧，务实的位置大概是这样：AUROC稳定在0.750至0.782，配合可接受的校准与正向净获益，说明这个5变量模型具备进入术前评估流程讨论的资格；但作者自己也明确指出结论待前瞻性验证，回顾性设计与单一国家来源决定了外部泛化性尚未在研究中验证。七年跨度、七家中心带来的异质性，既是这项研究的优势，也是它无法自证的部分。

对数据侧，还有一条提醒：训练队列基线发生率0.133，与三个验证队列中的两个（0.173、0.180）接近，却与另一个（0.349）相差悬殊。这组差异提示各中心在病例构成或结局判定上并不一致，而在回顾性数据里，这类不一致往往无法追溯。任何后续复现工作，都应先把发生率对齐这件事做清楚。

原文链接：npj Digital Medicine（Nature）

千方医数集编辑部 出品