2. 生存分析基础与影像组学场景适配

在肿瘤影像组学研究中，我们经常面对的不是“是否复发”这样的二分类问题，而是“多久之后复发”或“多久之后死亡”这样的时间-事件（time-to-event）问题。生存分析正是处理这类数据的统计框架。它之所以在影像组学中不可替代，是因为影像特征往往与风险随时间演变的规律相关，而不仅仅是与某个静态标签相关。要正确使用它，必须先理解三个基础概念：生存数据的特点、删失机制，以及风险集。

一、生存数据的三个基本要素

一条完整的生存数据记录通常包含三部分：生存时间、事件状态和协变量。以一项肺癌影像组学队列为例：患者入组后接受CT扫描，提取出107个特征，随后随访观察其是否因肺癌死亡。这里的生存时间是从“起点”（如确诊日期或手术日期）到“终点”（死亡或最后一次随访）的时长；事件状态标记终点是否为感兴趣事件（如死亡=1，存活或失访=0）；协变量则包括影像组学特征、临床分期、年龄等。

生存时间通常用 T 表示，事件状态用 δ 表示。若 δ=1，说明观察到事件发生；若 δ=0，说明未观察到事件，即发生了删失。生存分析的核心目标，是估计生存函数 S(t)=P(T>t)，即个体生存时间超过 t 的概率，以及风险函数 h(t)，即已存活到 t 时刻的个体在下一瞬间发生事件的速率。

二、删失机制：为什么不能简单丢弃未发生事件的患者

删失是生存数据最显著的特征。最常见的类型是右删失：患者在随访结束时仍未发生事件，或中途失访，我们只知道其真实生存时间大于观察到的随访时间。例如，某患者随访24个月仍存活，则其真实生存时间至少为24个月，但具体多少未知。

删失机制可分为三类：完全随机删失（删失与生存时间无关）、随机删失（删失与协变量有关但与事件时间条件独立）、非随机删失（删失与事件风险相关）。生存分析的标准方法（如Kaplan-Meier估计、Cox比例风险模型）通常假设非信息性删失，即删失时间与事件时间在给定协变量下相互独立。如果患者因为病情恶化而主动退出研究，删失就带有信息性，此时直接套用标准方法会产生偏倚。

在影像组学场景中，删失尤其常见：影像数据往往来自回顾性队列，随访时间参差不齐；部分患者因转院、失联而失访；有些患者死于其他原因（竞争风险）。因此，建模前必须明确删失类型，并在论文中报告删失比例和随访时间分布。

三、风险集：每个时间点上“仍在场上”的人

风险集（risk set）是理解生存分析计算逻辑的关键。在任意时间点 t，风险集 R(t) 包含所有在 t 时刻之前未发生事件、且仍在随访中的个体。Kaplan-Meier估计的每一步，都是在当前风险集内计算条件生存概率：

S(t) = ∏_{t_i ≤ t} (1 - d_i / n_i)

其中：
t_i 为第 i 个事件发生时间
d_i 为 t_i 时刻发生事件的人数
n_i 为 t_i 时刻风险集大小

举例说明：假设10例患者入组，随访时间（月）与状态为：3(死亡)、5(删失)、6(死亡)、8(死亡)、10(删失)、12(死亡)、15(删失)、18(死亡)、20(删失)、24(死亡)。在 t=6 时，风险集包含所有在6个月之前未死亡且未删失的患者，即时间≥6的个体：6、8、10、12、15、18、20、24共8人，其中1人死亡，故该时刻条件生存概率为 1-1/8=0.875。风险集随时间推移不断缩小，这正是生存分析能够利用删失个体信息的原因——删失者在其删失前的时间段内仍贡献于风险集。

四、影像组学中的适配要点

将生存分析应用于影像组学，需要特别注意以下几点：

• 时间起点与终点必须与影像采集时间对齐。若影像在术前采集，生存时间应从手术日期算起，而非影像日期，否则会引入“ immortal time bias ”。
• 特征稳定性与时间依赖性。影像组学特征反映的是某一时刻的肿瘤状态，而生存分析假设协变量在随访期间固定。若治疗过程中肿瘤发生变化，基线特征可能不足以解释后续风险。
• 高维特征与风险集稀疏。影像组学常产生数百至上千个特征，而队列可能仅几百例。在风险集较小的时间点，Cox模型估计不稳定，需通过正则化（如LASSO-Cox）或降维处理。
• 删失比例与竞争风险。若删失比例过高（如>50%），或存在大量非目标事件死亡，应考虑竞争风险模型（Fine-Gray）而非标准Cox。

五、从数据到模型：一个最小示例

假设我们有一个包含200例肺癌患者的影像组学数据集，提取了5个特征（如肿瘤体积、灰度不均匀性、球形度、GLCM熵、小波LLL能量），并记录了生存时间和状态。使用Cox比例风险模型时，模型形式为：

h(t|X) = h₀(t) · exp(β₁X₁ + β₂X₂ + ... + β₅X₅)

其中 h₀(t) 为基线风险函数，X 为影像组学特征向量。
β 系数通过部分似然估计，每次迭代都基于当前风险集计算。

若某特征β为正且显著，说明该特征值越高，事件风险越大。例如，肿瘤体积的HR=1.35（每增加一个标准差），意味着体积越大，死亡风险越高。模型训练后，可用一致性指数（C-index）评估区分度，用校准曲线评估预测生存概率与实际的吻合程度。