论文题名： A deep learning algorithm to predict risk of pancreatic cancer from disease trajectories

期刊与年份： Nature Medicine，2023。论文原文。

范围为正文全部编号主图及其子图，包含流程示意图。Extended Data 和 Supplementary Figures 不在本次范围。页码指阅读时所用 PDF 的文件页码。

返回专题总目录

研究问题： 长期诊断轨迹能否预测胰腺癌风险，模型跨丹麦和美国医疗体系泛化时会怎样？

从零散诊断到风险轨迹

胰腺癌常在较晚阶段被发现，全面检查所有人又成本高且可能产生额外损害。本文不把模型当成影像诊断器，而是用已有病史决定哪些人值得进一步监测。我的推测是，idea来自长期诊断序列携带的组合信息超过少量已知危险因素，以及医疗登记数据已覆盖大量人群。这是引言支持的研究逻辑，不是作者个人灵感史。

监督终点和时间窗口决定“提前”的含义

有限监测名额使评估必须考虑名单大小。选择每百万人中最高风险的一千人和一万人，覆盖的病例与误报都不同，不能以一个富集倍数代替整个策略。论文的相对风险曲线让这个取舍可见，却没有完整测量随后的影像、活检与心理负担。若用该模型设计真正筛查研究，应先固定阈值及后续流程，再检测早期发现比例和健康结果。这是我的下一步建议，不是本文已经实施的临床项目。

输入为诊断代码、时间及相应嵌入，编码器将历史聚合成患者表示，再预测未来不同月份窗口内是否出现胰腺癌。论文比较词袋、MLP、GRU与Transformer，模型较好表现说明病史组合及时间具有信息，但不同排除窗口下最优模型可改变，不能把Transformer视为所有设置的固定赢家。注意力能聚合较远历史，不直接证明网络发现了癌变因果过程。

数据排除窗口尤为重要：训练时删除确诊前最后三、六或十二个月的记录，检验模型是否主要依赖尚未正式确诊癌症的症状。预测窗口则定义从评估时刻到未来多久的风险，两者不能混淆。没有排除的高表现可能对识别临床已出现征象的人有用，但和真正长期预防不是同一个用途。胰腺癌正式诊断时间也不等同于肿瘤生物学起始。

丹麦与美国VA的人群和记录过程差异明显。VA男性比例高、记录更密而历史较短，诊断代码映射相同不能消除这些差别。直接跨系统应用明显下降，本地训练有所恢复，是全文应重点讨论的结果。它把泛化从抽象口号转成实测问题，同时说明训练规模和复杂模型仍不能代替目标人群验证。

模型输出可以富集高风险人群，但研究没有真实实施筛查，也没有测得检查成本、并发症或癌症死亡减少。相对风险受基线患病率、所选人数和预测窗口影响；风险倍数高不必然意味着绝对风险足够高或筛查一定有益。所有监测方案需要在临床中进一步评价。

Figure 1｜疾病轨迹模型及时间定义

原图来源：所用 PDF 文件第 3 页，Figure 1。点击图片可查看原图。

图1定义训练样本和时间，避免用患者后续记录解释此前风险。同一个患者可能产生多个历史终点，但患者级拆分是防止轨迹重复泄漏的关键。嵌入、编码和预测三个步骤分别处理代码、组合历史和不同未来窗口。最后的时间示意必须先读清：评估时刻、排除窗口与预测窗口不同。若跳过它，容易把“在确诊前三个月识别症状”说成“提前五年发现癌症”，这是对模型任务的根本误读。

Figure 2｜两套医疗数据的不同组成

原图来源：所用 PDF 文件第 4 页，Figure 2。点击图片可查看原图。

图2不是背景装饰，而是在解释迁移为什么困难。确诊年龄、轨迹跨度、代码数量以及已知风险因素分布都影响网络能学到什么。代码密度可能反映医疗服务使用，而非生物学更复杂；危险因素在癌症组富集也可能含癌症造成的症状。此图提供合理性检查和数据差异证据，却不能独立证明危险因素因果关系。尤其应把两个系统人群组成保留在外部性能解释中，不能只说样本数量不同。

Figure 3｜算法、输入和时间窗口的影响（实图 PDF 第 6 页；图注第 5 页）

原图来源：所用 PDF 文件第 6 页，Figure 3。点击图片可查看原图。

图3的多个对照分别检验架构、输入、临近记录与时间跨度。全诊断优于23个已知因素说明更多病史有增量，却不告诉我们增量全是新的癌症机制。删除近诊断信息后性能下降，显示症状信号贡献很大；最高风险相对风险也下降，将AUC变化接到监测用途。较远期窗口更难，应与更早行动的潜在价值权衡。四组曲线是在同一研究任务下比较，不可拿一个最优AUROC覆盖所有设置，尤其正文与个别图中文字数值略有差异时，应沿具体面板解释。

Figure 4｜不同医疗体系的潜在监测策略

原图来源：所用 PDF 文件第 7 页，Figure 4。点击图片可查看原图。

图4的关键是丹麦模型直接转到VA后降低，本地重训才改善。外部应用是新医疗过程的测试，本地重训则是另一个模型，不能把重训成绩说成原模型零样本泛化。超过五十岁、排除三个月、预测十二个月的方案是模拟选择，较贴近可讨论的监测场景，但还缺真实检查负担和受益估计。富集率提供候选策略依据，不能自动转成筛查建议，更不能保证高风险名单都是早期可治病例。

Figure 5｜长期预测与重要诊断特征

原图来源：所用 PDF 文件第 8 页，Figure 5。点击图片可查看原图。

图5把长期预测与重要特征放在一起。距癌症更远时召回下降，说明模型仍有信息却漏掉大量未来病例。贡献排序随提前时间变化，临近的黄疸、疼痛等与较远期病史承担不同角色。Integrated gradients解释模型依赖，而非诊断导致癌症的效应；代码相关和就诊过程可能分配或替代贡献。丹麦与VA不同的排序进一步提示数据环境，值得用作下一轮验证假说，不宜直接命名为新的致癌通路。

依据：对应主图、完整图注及正文 Results；实验结果只按本文给出的对象和条件解释。

可迁移到AD的思路

我从本文得到的首要设计是设置明确的时间排除实验。若AD风险研究希望发现临床症状前的信号，应排除靠近诊断的变量，或在独立、较早采样数据中检验。若使用的是尸检数据，则更适合解释终末病理关联，不能因为模型性能高便宣称已经预测病程起始。

第二个启发是对预测目标保持分层。全人群AUC、高风险子群富集与临床筛查获益不相等。组学项目也有相似层级：细胞分离、donor病理关联与机制干预结果分别回答不同问题。一个TE模块能分离细胞类型，未必能识别患者，更未必是病因。

在16GB显存上，缩小词表和序列长度的Transformer或GRU并不是主要障碍，受控临床登记与长期终点才是。纯公共数据路径可以借鉴严格留出、简单基线、排除信息和外部迁移的评估方式，不必直接复制受限数据项目。跨脑区或队列下降应主动展示，它能说明方法适用条件并形成改进问题。

最后，特征归因可帮助生成假说，但应拿独立文献、遗传或扰动数据检验。我会将已知因素与新提名因素分别报告，检查新因素是否仅增加记录密度或年龄信息。真正的创新可能在一个更干净、可行动的时间窗口内，而不是在所有记录混合后获得更高的数字。