جزئیات بیشتر در دستورهای هوش مصنوعی همیشه بهتر نیست؛ بنچمارک جدید از ضعف برخی روش‌های پیش‌بینی بقا در سرطان پرده برمی‌دارد

رادیومیکس این نوید را می‌دهد که تصاویر معمولی سی‌تی‌اسکن را به ابزاری برای پیش‌بینی کمّی تبدیل کند؛ ابزاری که بتواند اطلاعات ارزشمندی درباره آینده بیماری در اختیار پزشکان بگذارد. پژوهشگران با استخراج صدها ویژگی مربوط به شکل، بافت و موجک از تصاویر تومورها، امیدوارند پیش‌بینی کنند کدام بیماران مبتلا به سرطان مدت بیشتری زنده خواهند ماند، بی‌آنکه نیازی به نمونه‌برداری با سوزن باشد. بااین‌حال، پرسشی مهم همواره این حوزه را درگیر کرده است: با وجود روش‌های متعدد پیش‌بینی بقا و راهبردهای گوناگون مهندسی ویژگی، کدام ترکیب واقعاً بهترین عملکرد را دارد؟ مطالعه‌ای جدید به قلم وی لیو و وی وانگ که در مجله Heliyon منتشر شده، یکی از جامع‌ترین پاسخ‌ها به این پرسش را ارائه می‌کند؛ نتایجی که برخی باورهای رایج در این حوزه را به چالش می‌کشند.

اهمیت این مسئله بسیار زیاد است. مدل‌های پیش‌بینی بقا مبتنی بر رادیومیکس در تشخیص پیش‌آگهی بیماران مبتلا به گلیوبلاستوما، سرطان ریه، سرطان تخمدان و دیگر بدخیمی‌ها ارزش خود را نشان داده‌اند. بااین‌حال، ویژگی‌های کمّی استخراج‌شده از تصاویر با مشکل نفرین بُعدمندی و نیز عدم‌قطعیت‌های ناشی از تفاوت اسکنرها، پروتکل‌های تصویربرداری، حرکت اندام‌ها و ترسیم دستی مرز تومور توسط متخصصان مختلف پرتودرمانی روبه‌رو هستند. پایداری ویژگی‌های رادیومیکس در مجموعه‌داده‌های مختلف نیز به‌مراتب کمتر از ویژگی‌های ژنومی است. به همین دلیل، در مدل‌سازی خطر بر پایه رادیومیکس، انتخاب ویژگی‌ها ــ یعنی حذف ویژگی‌های غیرمرتبط و ناپایدار ــ یا استخراج ویژگی‌ها ــ یعنی ساخت ویژگی‌های اطلاعاتی جدید از طریق ترکیب ویژگی‌های اولیه ــ به راهبردی ضروری تبدیل شده است. مسئله این است که هنوز مشخص نیست کدام ترکیب از مدل‌های پیش‌بینی بقا و روش‌های مهندسی ویژگی بهترین نتیجه را به دست می‌دهد.

مطالعات مقایسه‌ای پیشین محدودیت‌های مهمی داشتند. پارمار و همکارانش که از نخستین پژوهشگران مقایسه روش‌های یادگیری ماشین برای ویژگی‌های رادیومیکس بودند، پیامدهای بقای پیوسته را به دو گروه تقسیم کردند؛ در نتیجه، به‌جای مدل‌سازی مستقیم زمان تا وقوع رویداد با در نظر گرفتن داده‌های سانسورشده، اطلاعات را به شکلی ساده‌سازی کردند که بخشی از جزئیات مهم را از بین می‌برد. این دسته‌بندی، اطلاعات ارزشمند مربوط به زمان وقوع رویداد را حذف می‌کند، به تعیین آستانه‌های دلخواه وابسته است و توان آماری را کاهش می‌دهد. لگِر و همکارانش بعدها ۱۱ روش پیش‌بینی بقا را با ۱۲ روش انتخاب ویژگی ارزیابی کردند، اما بررسی آن‌ها به یک جفت مجموعه‌داده محدود بود و روش‌های استخراج ویژگی را نیز در نظر نگرفت. مدل‌های یادگیری عمیق برای پیش‌بینی بقا، که محدودیت‌های فرض تناسب خطرها و روابط خطی را کاهش می‌دهند، با معماری‌های بسیار متفاوتی در رادیومیکس به کار رفته بودند؛ از شبکه‌هایی با یک تا پنج لایه پنهان گرفته تا شبکه‌هایی با سه تا ۱۰۰ گره در هر لایه. این تفاوت‌ها نشان می‌داد که درباره پیچیدگی مناسب شبکه‌های عصبی هنوز توافقی وجود ندارد.

برای رفع این کاستی‌ها، لیو و وانگ سه گروه از مجموعه‌داده‌های عمومی رادیومیکس را گردآوری کردند که انواع مختلف سرطان، مجموعه‌های متفاوت ویژگی و سطوح گوناگون پایداری ویژگی‌ها را پوشش می‌دادند. گروه اول شامل ۲۲۴ بیمار مبتلا به سرطان ریه سلول غیرکوچک از مرکز سرطان موفیت بود که برای هر بیمار ۶۳۶ ویژگی ثبت شده بود. اعتبارسنجی این گروه با داده‌های ۸۸ بیمار از کلینیک ماسترو انجام شد. گروه دوم شامل ۲۱۳ بیمار مبتلا به سرطان اپی‌تلیال تخمدان از بیمارستان همرسمیت بود و ۶۵۷ ویژگی داشت؛ اعتبارسنجی آن با داده‌های ۷۰ بیمار از اطلس ژنوم سرطان انجام گرفت. گروه سوم نیز ۴۲۲ بیمار مبتلا به سرطان ریه سلول غیرکوچک از مرکز ماسترو را در بر می‌گرفت که برای آن‌ها ۱۵۶۱ ویژگی با استفاده از ابزار PyRadiomics استخراج شده بود. اعتبارسنجی این گروه با داده‌های ۱۴۳ بیمار از یک مجموعه رادیوژنومیک متعلق به استنفورد صورت گرفت. نکته مهم این بود که گروه سوم شامل یک مجموعه آزمون‌ـ‌بازآزمون با ۲۸ بیمار بود که تصاویرشان با فاصله ۱۵ دقیقه گرفته شده بود. همچنین، مجموعه‌ای برای بررسی تفاوت میان ناظران وجود داشت که در آن پنج متخصص پرتودرمانی مرز تومورها را به‌طور مستقل و مکرر ترسیم کرده بودند. این داده‌ها به پژوهشگران اجازه داد ویژگی‌هایی را انتخاب کنند که ضریب همبستگی پایداری آن‌ها بیش از ۰٫۹ بود؛ شمار این ویژگی‌ها به ۷۸۰ مورد می‌رسید.

در مرحله بعد، پژوهشگران ۱۶ روش پیش‌بینی بقا را در برابر ۱۲ روش انتخاب و استخراج ویژگی قرار دادند و عملکرد آن‌ها را با سه معیار مکمل سنجیدند. معیار نخست، شاخص هم‌خوانی یا C-index بود که نسبت جفت‌های بیمارانی را اندازه می‌گیرد که پیش‌بینی مدل درباره آن‌ها با پیامد مشاهده‌شده سازگار است. معیار دوم، مساحت زیر منحنی تجمعی یا IAUC بود که توان تفکیک مدل را در طول دوره پیگیری و در زمان‌های مختلف ارزیابی می‌کند. معیار سوم، امتیاز بریر یکپارچه یا IBS بود که دقت احتمال‌های پیش‌بینی‌شده برای بقا را با استفاده از وزن‌دهی معکوس احتمال سانسورشدن می‌سنجد. هر مجموعه‌داده اکتشافی به‌صورت تصادفی به بخش‌های آموزش و آزمون تقسیم شد. مدل‌ها فقط با داده‌های آموزشی برازش شدند تا از نشت اطلاعات جلوگیری شود؛ سپس، بدون هیچ تغییری، روی داده‌های آزمون و مجموعه‌های اعتبارسنجی خارجی اجرا شدند. این فرایند ۱۰۰ بار تکرار شد تا برآوردهایی از عملکرد و پایداری مدل‌ها، بر پایه انحراف معیار نسبی، به دست آید. در پایان نیز با تجمیع رتبه‌ها در تمام مجموعه‌داده‌ها و معیارها، رتبه‌بندی کلی روش‌ها محاسبه شد.

مهم‌ترین نتیجه این مطالعه، باور رایج درباره تنظیمات پیش‌فرض مدل‌های رادیومیکس را زیر سؤال می‌برد. روش Lasso-Cox که به دلیل ترکیب انتخاب ویژگی با رگرسیون کاکس یکی از پرکاربردترین روش‌های پیش‌بینی بقا در رادیومیکس است، در رتبه‌بندی کلی تنها جایگاه هفتم را به دست آورد. در مقابل، روش Ridge-Cox که همه ویژگی‌ها را حفظ می‌کند و به‌جای تحمیل تنکی، با استفاده از منظم‌سازی ال‌۲ از بیش‌برازش جلوگیری می‌کند، بر اساس معیارهای C-index و IAUC هم از نظر دقت پیش‌بینی و هم از نظر پایداری در رتبه نخست قرار گرفت. نویسندگان معتقدند ترجیح رایج Lasso-Cox ممکن است باعث نادیده‌گرفتن راهبردی مؤثر شود. برخلاف ژنومیک که اندازه‌گیری ویژگی‌ها در آن هزینه‌بر است، ویژگی‌های رادیومیکس را می‌توان به‌صورت خودکار و در چند ثانیه، با هزینه‌ای ناچیز استخراج کرد. بنابراین، اگر هدف اصلی دستیابی به پیش‌آگهی دقیق باشد، حفظ ویژگی‌های اطلاعاتی با کمک منظم‌سازی می‌تواند عملکرد پیش‌بینی بهتری به همراه داشته باشد. روش‌های تقویتی glmboost و CoxBoost نیز بر اساس معیارهای C-index و IAUC به‌ترتیب رتبه‌های دوم و سوم را کسب کردند. روش survivalSVM هم بدون توجه به معیار ارزیابی، عملکرد و پایداری مطلوبی از خود نشان داد.

در میان روش‌های مهندسی ویژگی، تحلیل مؤلفه‌های اصلی نظارت‌شده یا SPCA بالاترین رتبه کلی را به دست آورد و به‌ویژه برای مجموعه‌داده‌هایی مفید بود که ویژگی‌های رادیومیکس آن‌ها پایداری نسبتاً کمی داشتند. این روش با ترکیب چندین سیگنال ضعیف، ویژگی‌های ترکیبی اطلاعاتی ایجاد می‌کند و با بهبود عملکرد پیش‌بینی و پایداری مدل همراه بود. خوشه‌بندی سلسله‌مراتبی در مجموعه‌داده NSCLC2 بهترین نتیجه را ثبت کرد؛ این مجموعه حاوی تعداد زیادی ویژگی پایدار با قدرت تفکیک بالا بود. خوشه‌بندی ویژگی‌های هم‌بسته در این روش به ایجاد بازنمایی‌هایی با افزونگی کمتر کمک کرد. در میان روش‌هایی که صرفاً برای انتخاب ویژگی به کار می‌روند، روش ساده مبتنی بر مقدار احتمال آزمون کاکس بهترین توازن را میان دقت پیش‌بینی و پایداری ایجاد کرد و اهمیت متغیرها در جنگل تصادفی بقا در رتبه بعدی قرار گرفت. نکته قابل‌توجه آن بود که استفاده‌نکردن از هرگونه روش انتخاب ویژگی نیز رتبه بالایی داشت؛ زیرا برخی روش‌های پیش‌بینی بقا از قبل سازوکار انتخاب ویژگی را درون خود دارند و افزودن مرحله‌ای جداگانه ممکن است تنها هزینه‌ای غیرضروری ایجاد کند.

نتایج مربوط به یادگیری عمیق نیز یکی دیگر از انتظارات رایج را به چالش کشید. پنج روش شبکه عصبی DeepSurv، DeepHit، CoxTime، LogHazard و PCHazard عموماً مقادیر پایین‌تری برای C-index و IAUC و نوسان بیشتری نسبت به مدل‌های سنتی داشتند؛ موضوعی که از توانایی کمتر آن‌ها در رتبه‌بندی خطر بیماران بر اساس داده‌های رادیومیکس حکایت می‌کرد. بااین‌حال، وقتی عملکرد مدل‌ها با امتیاز بریر یکپارچه سنجیده شد، روش‌های یادگیری عمیق از مدل‌های متداول پیش‌بینی بقا بهتر عمل کردند و CoxTime در دو مجموعه‌داده رتبه نخست را به دست آورد. این تفاوت به هدف‌های متفاوت معیارهای ارزیابی مربوط می‌شود: C-index و IAUC عمدتاً توانایی رتبه‌بندی خطر بیماران را می‌سنجند، درحالی‌که امتیاز بریر بر دقت احتمال‌های پیش‌بینی‌شده برای بقا تمرکز دارد. مدل‌هایی مانند DeepHit و PCHazard نیز احتمال بقا را به‌طور مشخص در هر نقطه زمانی برآورد می‌کنند و به فرض تناسب خطرها وابسته نیستند. تحلیل واریانس دوعاملی روی ۱۸۰ مدل بهینه‌سازی‌شده نشان داد که تعداد لایه‌های پنهان بیشترین تأثیر را بر عملکرد دارد. با افزایش عمق شبکه، دقت کاهش می‌یافت؛ در مقابل، افزایش تعداد گره‌ها در هر لایه با بهبود عملکرد همراه بود. بر اساس این نتایج، محدوده مناسب شامل یک تا دو لایه پنهان و ۳۲ تا ۱۲۸ گره در هر لایه است.

پایداری ویژگی‌ها به‌عنوان عامل پنهانی مطرح شد که بر عملکرد سایر اجزای مدل تأثیر می‌گذارد. میانه انحراف معیار نسبی ویژگی‌ها یا RSD از ۶۳٫۹۱ در مجموعه NSCLC1 به ۶۱٫۴۸ در مجموعه سرطان تخمدان (OV) و سپس به ۲۱٫۹۱ در مجموعه NSCLC2 کاهش یافت. هم‌زمان، مقادیر میانه C-index به‌ترتیب از ۰٫۵۲۰ به ۰٫۵۶۷ و سپس به ۰٫۵۷۷ افزایش پیدا کرد. مجموعه‌داده‌هایی که نسبت سانسورشدگی بالاتر و نمونه‌های کمتری داشتند، ارتباط ناپایدارتری میان ویژگی‌ها و بقا ایجاد می‌کردند و این مسئله به نوبه خود پایداری مدل‌های پیش‌بینی را کاهش می‌داد. نرخ شکست فرایند آموزش نیز همین الگو را نشان داد: روش abess در حدود ۹۰ درصد از اجراها روی مجموعه آموزشی ناپایدار NSCLC1 با شکست مواجه شد. در مقابل، مدل کاکس لاسو با ساختار اسپایک‌ـ‌اَند‌ـ‌اسلب، موسوم به sslasso، حتی روی داده‌های ناپایدار تقریباً در تمام اجراها با موفقیت آموزش دید. این روش در رتبه‌بندی کلی چهارم شد و ترکیبی امیدوارکننده از عملکرد، تفسیرپذیری و استحکام ارائه کرد. همچنین، اجرای SPCA پیش از ساخت مدل، نرخ شکست را در مجموع روش‌ها به‌طور چشمگیری کاهش داد.

برای حوزه‌ای که با سرعت به‌سوی استفاده بالینی پیش می‌رود، نتایج این مطالعه راهنمایی عملی ارائه می‌کند. اگر هدف، رتبه‌بندی دقیق خطر یا دسته‌بندی بیماران بر اساس سطح خطر باشد، روش‌های سنتی مانند Ridge-Cox، glmboost و CoxBoost گزینه‌های مناسب‌تری هستند. اما اگر برآورد دقیق احتمال بقا در طول زمان اهمیت بیشتری داشته باشد، روش‌های یادگیری عمیق مانند CoxTime، DeepHit و PCHazard مزیت‌هایی دارند. نویسندگان توصیه می‌کنند پیش از انتخاب مدل، توان تفکیک و پایداری ویژگی‌های رادیومیکس در مجموعه‌داده جدید ارزیابی شود؛ زیرا روش‌هایی که روی مجموعه‌داده‌هایی با ویژگی‌های مشابه عملکرد خوبی داشته‌اند، گزینه‌های مناسبی برای بررسی بیشتر هستند. به‌جای اتکا به یک روش که در رتبه نخست قرار گرفته است، بهتر است چند ترکیب برتر ارزیابی و سپس با داده‌های مستقل اعتبارسنجی شوند. این اصول ممکن است فراتر از رادیومیکس، در تحلیل‌های بقا مبتنی بر سایر داده‌های اُمیکس با ابعاد بالا نیز کاربرد داشته باشند. از آنجا که همه داده‌ها و کدهای مطالعه در گیت‌هاب به‌صورت عمومی در دسترس هستند، جامعه پژوهشی می‌تواند نتایج این بنچمارک را در مقیاسی گسترده‌تر بررسی و آزمون کند.

موضوع پژوهش: بنچمارک پیش‌بینی بقا در رادیومیکس؛ برتری Ridge-Cox و محدودیت‌های یادگیری عمیق.

عنوان مقاله: مطالعه‌ای مقایسه‌ای درباره روش‌های پیش‌بینی بقا و انتخاب یا استخراج ویژگی برای مدل‌سازی کمّی خطر در رادیومیکس.

منبع مقاله: Liu, W., & Wang, W. (2026). A comparative study of survival prediction and feature selection/extraction methods for quantitative radiomics risk modelling. Heliyon, 12(16), Article e45602. https://doi.org/10.1016/j.heliyon.2026.e45602

شناسه دیجیتال مقاله (DOI): 10.1016/j.heliyon.2026.e45602

کلیدواژه‌ها: رادیومیکس، پیش‌بینی بقا، یادگیری ماشین، یادگیری عمیق، پیش‌آگهی سرطان، انتخاب ویژگی، بنچمارک، تصویربرداری پزشکی، تحلیل مقایسه‌ای، بقا، پیش‌بینی، ویژگی.