GraphBEAT:用患者病历时间图在确诊前12至36个月估计胰腺癌、肝癌和肠癌风险,仅在单一医疗系统内验证

梅奥诊所的一个团队提出了GraphBEAT:它把患者的诊断与血液检查历史转化为时间图,用于在确诊前12、24或36个月估计胰腺癌、肝癌或肠癌的风险。在梅奥四个院区的201,322名患者上,胰腺癌12个月的AUROC为0.919,比其他图网络高0.004至0.009,比Transformer和LSTM高0.07至0.10,参数量约为后两者的二十分之一。作为第一级筛查步骤,这一结果值得关注,但它是预印本,只来自单一医疗系统,病例由计费编码定义,且概率的校准尚未研究。

背景

胰腺癌往往确诊较晚,而电子病历中其实留有早期痕迹:新发糖尿病、体重下降、肝脏异常、逐渐漂移的血液指标。要利用这些信息并不容易,因为病历不规则(并非每个人都检测相同项目)、稀疏且不完整。常见做法是把病史压平成序列,交给LSTM(按顺序读取事件的循环网络)或Transformer(用注意力机制衡量每个事件相对于其他事件的权重的架构)处理,二者计算开销都很大。

GraphBEAT由梅奥诊所(罗切斯特)外科及Kern中心的Leo Li-Han、Hojjat Salehinejad等人于2026年10月15日发布在arXiv上,提出另一种表示方式:图,即由边连接的一组节点(此处为临床事件)。该文未经同行评审,我们在文中没有找到资助声明或利益冲突声明。

方法

数据。来自梅奥诊所平台(Mayo Clinic Platform)的去标识化电子病历数据,时间跨度1985至2024年,每位患者最多20年病史:截断为三个字符的ICD-9/10诊断编码(2,698个)和31项预先指定的血液检查,词汇表共2,729项。队列共201,322名患者,分布在四个院区:罗切斯特(93,558)、由17家社区医院组成的梅奥诊所健康系统MCHS(57,457)、亚利桑那(25,418)和佛罗里达(24,889)。病例包括6,017例胰腺癌(报告患病率3.0%)、5,330例肝癌(2.6%)和13,043例肠癌(6.5%),均与同一组177,081名按年龄和性别匹配的对照比较。要求至少三年病史和三次实验室检测。

图的构建。病史被切分为30天的时间段。每位患者得到一张图,其中一个节点代表某时间段内观察到的一个项目(一个编码,或一项带平均值的检查),并连接到下一时间段的所有节点。每个节点叠加三种信息:项目的身份、取值及其在时间上的位置。消息按时间间隔以指数衰减的方式从一个时间段传到下一个(消息传递:每个节点根据其前驱节点更新自身表示),随后通过注意力池化把全部信息压缩成一个患者向量。模型有0.361百万个参数。

验证。留一院区法(leave-one-site-out):MCHS、亚利桑那和佛罗里达依次留作测试,罗切斯特始终参与训练。每种设置训练十个模型(十折交叉验证),报告均值和95%置信区间。训练时对照按1比3下采样。指标为AUROC(有癌患者得分高于无癌患者的概率)和AP(平均精确率,概括灵敏度与精确率之间的权衡,且高度依赖患病率)。对照方法是三种图网络(GraphSAGE、GAT、GCN)、一个Transformer和一个LSTM。

结果

机器学习指标。胰腺癌12个月:GraphBEAT的AUROC为0.919 [0.914–0.924],AP为0.523;GraphSAGE为0.913和0.499,Transformer为0.837和0.341,LSTM为0.808和0.264。36个月时,GraphBEAT的AUROC仍为0.862,AP为0.331。肝癌的AUROC从12个月的0.938降到36个月的0.895;肠癌从0.900降到0.852。相对于最好的图网络,AUROC提高0.004至0.009,AP提高0.024至0.042;相对于最好的序列模型,AUROC提高0.070至0.102,AP提高0.125至0.202。

计算成本。在胰腺癌12个月任务上,GraphBEAT每位患者需要1,250万次运算(FLOPs),Transformer为39.95亿次,LSTM为32.31亿次;参数量为0.361百万,对比830万和720万。

消融实验。在MCHS院区、胰腺癌12个月,同时使用身份、取值和时间时AUROC为0.936;去掉时间为0.922;仅用项目身份为0.712;仅用时间为0.549。信号的主要来源是检验数值。

临床换算。作者在MCHS上报告,胰腺癌在12、24和36个月的净获益分别为0.018、0.016和0.015(阈值0.03),约相当于每1,000名患者净检出18、16和15例真阳性。净获益分析按所选阈值对真阳性与假阳性进行加权权衡。作为示例(编辑部计算):3.0%的患病率意味着该队列中每1,000名患者约有30例病例,AP为0.523约是随机排序水平(0.03)的17倍。但这一患病率是构建出来的队列的患病率,并非筛查人群的患病率:若疾病罕见十倍,在区分能力相同的情况下,阳性预测值大约会低十倍,每检出一例所对应的假阳性数量也会高得多。

优点

队列规模大,并按院区验证。201,322名患者、四个院区、最长20年病史,测试在训练中从未见过的院区上进行,其中包括17家社区医院,其人群不同于三级医疗中心。提前期窗口(12、24、36个月)已从测试数据中排除,这限制了临近确诊的信息泄漏。

消融实验分离出了关键因素。仅有时间几乎没有预测力(AUROC 0.549),仅有身份也只是一般(0.712):信号来自所观察内容、其取值与时间的组合。这使得单纯的就诊频率效应不太可信,但并未将其排除。

模型轻量,结果附带区间。0.36百万参数,每位患者的成本比序列模型低数百倍:这是在数百万份病历上部署的具体理由。作者承认了主要局限(单一系统、以编码定义病例、校准)。

不足

对照不完整(对照偏倚)。相对GraphSAGE的提升为AUROC 0.004至0.009,与表中置信区间的宽度同一量级,且区间有重叠(胰腺癌12个月为0.914–0.924对0.907–0.919),而Transformer和LSTM则被明显拉开,尤其是Transformer在肠癌上的AUROC为0.760,落后于LSTM(0.830):这提示基线模型调优不足。在我们读到的结果中,没有基于汇总变量的逻辑回归或提升树,也没有已发表的胰腺癌风险评分。

名为“外部”的验证并非真正外部(人群偏倚、可能的泄漏)。三个测试院区属于同一系统,使用同一套电子病历,且罗切斯特始终参与训练。病例仅由诊断编码定义,没有肿瘤登记数据佐证。对照的索引日期设为最后一次就诊前一年,而病例的索引日期是首个癌症编码:两组的观察方式并不相同,加之要求三年病史和三次检验,会选出随访密集的患者。这些选择可能产生捷径(shortcut learning),消融实验并未完全排除。

指标偏乐观(误导性指标),且缺少校准。AP取决于患病率,而这里的患病率是人为的(3.0%、匹配、对照按1比3下采样)。作者承认下采样改变了类别先验,在临床使用前必须研究校准:因此净获益分析中0.03的阈值所依据的概率,其准确性未知。消融实验是在MCHS测试集本身上报告的。最后,文中未提及代码,数据也无法共享。

意义

对研究界。为不规则病历采用时间图表示提供了论据,且计算成本低得多。合乎逻辑的下一步,是与强大的表格模型及已发表评分比较,在外部医疗系统中进行,并做校准、用肿瘤登记确认病例。

对临床医生。目前对实践没有任何改变:这是回顾性预印本。中期来看,作者设想的用途是在针对性检查之前做第一级筛查。关键问题将是:在真实人群而不是病例对照队列中,需要检查多少名患者才能发现一例癌症。

对患者和公众。目前没有可用的工具。从病历得出的风险评分并不表示一个人患有癌症:它可以帮助决定对谁做更细致的检查,其价值取决于疾病有多罕见。

延伸阅读

预印本:Li-Han L. Y.、Varghese C.、Habermann E. B.、Truty M. J.、Perry W. R. G.、Thiels C. A.、Salehinejad H.,“GraphBEAT: Graph-based Bucketized Event Aggregation Over Time for Early Risk Stratification of Gastrointestinal Cancers”,arXiv:2610.22014,2026年10月15日(CC BY-NC-ND 4.0许可)。对照方法:GraphSAGE、GAT、GCN、Transformer、LSTM。数据:梅奥诊所平台,不可共享;已获梅奥诊所机构审查委员会批准。

编辑透明度说明:本文在人工智能工具的辅助下,依据预印本制作;除由编辑部计算的换算与比较外,所有数字均来自论文。英文、西班牙文和中文版本均为机器翻译。