食管癌预后预测：Boruta特征筛选+XGBoost算法优化方案

科学的特征筛选流程是提升模型预测效率与临床实用性的关键环节。传统预后研究多依赖研究者基于临床经验选择变量，易纳入无关特征导致模型冗余，而本研究采用 Boruta 算法进行客观特征筛选，通过随机森林的双重验证机制，最终锁定 T 分期、N 分期、年龄等 9 项高重要性特征，排除了婚姻状态、种族等低影响因素。这一筛选结果与后续 SHAP 分析揭示的核心特征高度吻合，证明了特征选择的科学性与准确性。值得注意的是，筛选出的特征涵盖肿瘤病理特征、治疗方案和人口学信息三大维度，既避免了单一维度特征的局限性，又形成了全面且精炼的预后评估体系，有效降低了临床应用中变量收集的复杂度。相较于既往研究纳入的血管浸润、神经浸润等获取难度较高的病理指标，本研究筛选的特征均为临床常规收集项目，更便于在基层医疗机构推广应用。

以 XGBoost 为代表的集成学习算法在食管癌生存预测中展现出显著优势，为复杂临床数据的处理提供了更优方案。本研究对比了 5 种主流模型的预测效能，发现 XGBoost 模型在 1、3、5 年生存预测中均取得最高 AUC 值（分别为 0.691、0.711、0.712），且 Brier 分数最低（1–5 年波动于 0.155–0.162），其预测准确性和长期稳定性均优于多因素 COX 回归等传统线性模型。这一结果与机器学习在肿瘤预后研究中的整体趋势一致，即集成学习算法能自动捕捉特征间的非线性关系和交互作用，无需手动设定变量关系，更适合处理食管癌预后这种受多因素复杂影响的问题。尽管 LightGBM 模型 5 年 AUC 值达 0.720，单项指标略高，但 XGBoost 在临床决策关键的 DCA 曲线中展现出更优的净效益，在 0.1–0.5 的临床常用阈值范围内持续领先，证明其在平衡过度治疗与治疗不足、辅助临床决策方面更具实用价值，因此被确定为最优预测模型。

理由：

1. “依赖研究者临床经验选择变量” → “依赖研究者基于临床经验选择变量”
   原句语义不通顺，“依赖研究者临床经验”结构模糊，易误解为“依赖研究者”而非“依赖经验”。加入“基于”使逻辑清晰，表达为“依赖研究者基于临床经验作出的选择”，更符合中文表达习惯。

2. 数字范围连接符使用错误：“1-5年”、“0.1-0.5”中的短横线应改为 en dash（–）
   在正式学术写作中，表示数值范围应使用 en dash（–）而非连字符（-）。虽然视觉上相似，但在排版规范中具有明确区分。此处已修正为“1–5 年”和“0.1–0.5”。

3. 其余部分语言通顺、用词准确、逻辑清晰，无明显语法错误或不当表述

   • “高重要性特征”“低影响因素”等术语使用恰当；
   • 对比分析（如 AUC、Brier score、DCA）表述严谨；
   • 算法优势解释合理，因果关系清晰；
   • 未发现拼写错误或技术性误用。

综上，仅需对上述两处进行微调以提升语言准确性与学术规范性。