用机器学习预测抗HIV治疗的依从性失败：在192 732份多国病历上的“真实世界”验证值多少？（medRxiv，2026）

2026年5月15日发布在medRxiv的一篇预印本，在来自多个国家的192 732份临床病历上验证机器学习模型，用以预测抗HIV治疗的依从性失败，并量化诊疗路径中的“缺口”。区分度以面向未来患者的时间验证来衡量，AUC为0.772（95%置信区间：0.744–0.802）；研究记录到从诊断到开始治疗的中位延迟为74天，47.3%的患者超过90天。这是一项诚实而有用的大规模演示——但一般的AUC、在公开摘要中仍然不透明的依从性结局定义，以及假设未详述的经济测算，都提示应当把这些数字看作其本来的样子。

背景

HIV是可治的，但有两个前提：早诊断，以及不间断地服用抗逆转录病毒治疗（ART，即阻断病毒复制的联合用药）。依从性——患者实际服药的规律程度——是关键所在：服药不规律会让病毒反弹、损害免疫、催生耐药。在资源有限的地区（大多数感染者都生活在那里），有两处裂口始终存在：诊断太迟，以及在随访途中丢失患者。联合国艾滋病规划署用“95-95-95”级联概括目标（95%的人被诊断，其中95%在治疗，其中95%病毒载量被抑制）。

用机器学习提前识别有脱失风险的患者并非新想法，但既往多数工作基于单中心的小队列，常常没有在训练集之外做验证。这篇预印本的突出之处在于其“真实世界”验证的雄心与规模：192 732份病历、多个国家。这正是它值得解读之处——也正是需要对这里“真实世界验证”究竟意味着什么保持谨慎之处。

方法

这是一篇medRxiv预印本（2026.05.15.26353325，2026年5月15日发布，尚未经过同行评审）。这是一项基于常规数据的回顾性研究：复用已有病历，而非为此专门招募患者。研究并行追求两个目标：预测未来的依从性失败，以及量化“诊疗缺口”——路径中的断裂（延迟、脱失、迟到的就诊）。

在建模方面，摘要尤其提到XGBoost，一种梯度提升决策树算法：它把数百棵小树组合起来，每一棵纠正前一棵的错误，至今仍是表格数据（如年龄、CD4计数、就诊日期等变量列）上的标杆工具。其声称的验证是时间性的：模型在未来患者（晚于训练期）上测试，而不是在同一集合里随机抽样测试。这是模拟真实部署的正确方式——真实部署中，总是在尚未见过的患者上做预测。

有若干关键要素并未出现在公开摘要中，需在全文中核实：究竟是哪些国家、多少个中心，“依从性失败”如何在操作层面定义（药房取药指标？病毒载量？缺席的预约？），哪些变量喂给模型，以及代码与数据是否可获取。这些盲点制约着对结果的解读。

结果

在时间验证上，模型达到0.772的AUC（95%置信区间：0.744–0.802）。AUC（ROC曲线下面积）衡量正确排序两位随机抽取患者的能力——一位将脱失、一位不会：0.772意味着大约四次中有三次排序正确。这是中等区分度——诚实，但远不及别处宣称的0.95甚至更高的AUC，而后者往往在第一次认真验证时就崩塌。

研究还显示子组之间令人安心的稳定性：AUC在性别、年龄、CD4水平与WHO分期之间变化不大，最大差异为0.051。尤其是，“诊疗缺口”部分给出了宝贵的描述性数字：从诊断到开始治疗的中位延迟为74天，47.3%的患者超过90天，以及36.7%在就诊时CD4低于每微升200——也就是处于晚期免疫抑制阶段。一个经济模型最后推算出每名患者节省415美元的基线情形，即每5000人队列节省207万美元。

临床转化。0.772的AUC可用于排序优先级——例如决定先回访谁——但不能用于个体决断：在这一区分度下，许多有风险的患者会被漏掉，而许多被标为“有风险”的患者并不会脱失。摘要既没有给出某一阈值下的敏感度，也没有特异度或阳性预测值；因此无法把AUC换算成每1000名患者的假阳性与假阴性数，而那才是判断其操作价值的唯一方式。最有说服力的数字不是AUC，而是74天的延迟与36.7%被诊断得太迟的患者。

好的方面

数据的规模与真正的多国属性。来自多个国家的192 732份常规临床病历，在长期由几千人单中心队列主导的ML-HIV文献中，是一个少见的量级。在带有噪声与缺失的现场数据上工作，比在干净、同质的数据集上更具挑战、也更切题。

时间验证，而非简单的随机划分。在未来患者上测试，是方法学上正确的纪律：它最接近真实部署，也正是许多AUC惊人的研究所缺失的对照。表现能随时间维持（0.772、置信区间收紧）比在随机划分上得到的满分更可信。我们在关于血栓栓塞风险模型的SHAP-SVM解读中作过同样的区分。

对数字的诚实，以及一项公平性分析。报告一个一般的0.772而非过于漂亮的0.99，检验子组之间的稳定性（性别、年龄、CD4与WHO分期之间最大差异0.051），尤其是量化真实的“诊疗缺口”（74天、47.3%、36.7%）：这项研究记录的是一个卫生系统的问题，而不是兜售一个算法。这正是对此类工作所能期待的最有用的态度。

欠佳的方面

不透明的依从性结局——误导性指标的风险。公开摘要没有说明“依从性失败”如何定义、如何测量。而一切都取决于这一定义：如果它依赖一个与结局相关、却是事后记录的变量，就会面临信息泄漏（模型借助一个在预测时刻本不可得的信号“作弊”）。没有确切定义、没有校准、没有敏感度/特异度，0.772的AUC便无法转化为具体的临床价值。

“多国”却未点名国家——人群偏倚无从评估。不知道这192 732份病历来自哪些国家，就无法判断模型的代表性，也无法判断它从一个卫生系统迁移到另一个的可移植性。这是经典的人群偏倚：在某些情境下训练的模型可能在别处崩塌，而时间验证并不能抵御这种地理风险。研究也未报告任何前瞻性验证（在真实诊疗条件下向前进行）——只有对既往数据的再分析。

脆弱的经济推算，一篇未经评审的预印本。“每名患者415美元”与“5000名患者节省207万美元”依赖一个其假设未在摘要中详述的模型：避免一次断裂的成本、模型触发的干预所假定的有效性、采纳率。这样一个对决策者颇具吸引力的数字，在假设不可审计之前应谨慎对待。再加上预印本的身份：尚未同行评审，代码与数据的可获取性在此阶段也未确立。

它改变了什么

对研究界。这项工作朝着正确方向推进：在大规模上对未来患者验证，而不是去优化一个无菌室里的AUC。最持久的贡献也许不是预测模型本身，而是在近20万份病历上对诊疗缺口的量化——为任何想要瞄准路径断裂的人提供了经验素材。剩下的，是公开依从性的定义、国家以及代码，让这一切可被核验。

对临床医生与项目。一个AUC为0.772的模型，至多能在资源紧张处帮助排序回访与密切随访的优先级——而不能决定某一位患者的命运。但最可付诸行动的信息并非算法层面的：而是近一半患者要等90天以上才开始治疗，三分之一就诊时已处于晚期免疫抑制。这些是组织层面的杠杆，不是AI的杠杆。

对患者与公众。这一次，恰恰是夸大宣传的反面：一个性能一般却诚实的AI，其最大用处在于测量一个系统性问题。正确的反应与面对炫目分数时相同——看清数字意味着什么：在这里，数百万美元的预计节省取决于我们看不见的假设，而正是这些假设需要被重新审视。我们在关于临床视觉-语言模型的解读中，已经强调过数据与临床现实之间的差距。

延伸阅读

预印本：Real-World Validation of Machine Learning Models for HIV Treatment Adherence Prediction and Care Gap Quantification (medRxiv, 2026)，DOI 10.64898/2026.05.15.26353325。关于公共卫生框架，参见联合国艾滋病规划署所述的HIV诊疗级联，以及抗逆转录病毒治疗的概念。状态：预印本尚未同行评审；国家、依从性定义与代码可获取性仍待在全文中确认。