基于滑动窗口高维非参数 EWMA 控制图的卵巢癌监测与预警研究

研究人员针对卵巢癌监测难题，开展基于滑动窗口高维非参数 EWMA 控制图研究，能更快速检测变化，意义重大。

　　卵巢癌，作为女性健康的一大 “杀手”，悄无声息地威胁着众多女性的生命。卵巢肿瘤是常见的卵巢功能障碍疾病，虽然多数卵巢囊肿起初是良性的，但部分可能发生恶变，发展成卵巢癌。而且卵巢癌早期症状隐匿，即便出现症状也往往不具有特异性，这使得早期诊断困难重重。等到患者就医时，60 - 70% 的病例已处于晚期，晚期卵巢癌的死亡率高达 60 - 80%。尽管卵巢癌对化疗初期敏感，但晚期患者五年内的复发率仍在 60 - 80%，严重危及患者的生存。在临床诊断中，现有的方法主要依赖有限的生物标志物，如 CA - 125 和 HE4 等，但这些标志物的特异性有限。传统的统计监测方法，像主成分分析（PCA）等降维技术结合单变量或多变量控制图的方式，存在忽视特征间相互作用、信息丢失等问题，影响模型准确性，导致警报延迟和预测性能下降。所以，开发新的卵巢癌监测和预警方法迫在眉睫。

成都理工大学、四川旅游学院和川北医学院附属医院的研究人员，为解决上述难题，开展了基于滑动窗口的高维非参数 EWMA（指数加权移动平均）控制图用于卵巢癌监测和预警的研究。相关成果发表在《Scientific Reports》上。

研究人员主要运用了以下关键技术方法：首先是经验似然比检验，它是一种强大的非参数统计推断工具，能在非参数或半参数场景下进行似然推断。为应对高维数据带来的挑战，研究人员改进了该方法，引入人工虚拟点，使其适用于高维统计推断。其次是 EWMA 控制图，它能利用历史数据，同时突出当前样本的重要性，通过调整平滑参数，可有效监测均值变化。研究人员将改进的经验似然比检验与 EWMA 控制图相结合，并引入滑动窗口，构建了监测统计量 D - ELEWMA，用于对卵巢肿瘤数据进行在线监测。研究使用的数据来自苏州大学附属第三医院 2011 年 7 月至 2018 年 7 月卵巢肿瘤切除术的患者，共 349 例，其中良性肿瘤 178 例，卵巢癌 171 例。

研究结果如下：

1. 数据特性分析：对数据进行预处理后发现，除 CA72 - 4 因缺失率过高被剔除，其余多数指标缺失率较低，用均值填补缺失值后，数据集包含 349 个数据点和 48 个指标变量。通过 QQ 图和 Jarque - Bera 检验发现，大部分变量不服从正态分布，这表明传统的多变量正态控制图不适用于该数据，凸显了引入多变量非参数控制图的必要性。
2. 性能比较：通过数值模拟，以平均运行长度（ARL）为指标评估控制图性能。ARL₀表示过程处于控制状态时的平均观测次数，越高越好，可减少误报；ARL₁表示过程失控时的平均观测次数，越低越好，能快速检测变化。研究设定 ARL₀为 370，进行 10000 次蒙特卡罗模拟，并与非参数多变量控制图（MSEWMA）对比。结果显示，当滑动窗口大小 D = 10 时，无论 λ 取值和变化幅度如何，D - ELEWMA 控制图的 ARL₁均显著低于 MSEWMA 控制图，检测卵巢囊肿数据变化更快，发出失控警报更早。当 D = 8 或 D = 6 时，D - ELEWMA 控制图在监测和检测显著变化方面也优于 MSEWMA 控制图，更适用于相关指标变化较大的卵巢囊肿数据。
3. 实际应用：将 D - ELEWMA 和 MSEWMA 控制图应用于卵巢肿瘤数据监测。结果表明，监测良性卵巢肿瘤（BOT）数据时，仅当 D = 10 时，D - ELEWMA 控制图比 MSEWMA 控制图更敏感，能更早发出异常警报；监测卵巢癌（OC）数据时，无论何种设置，D - ELEWMA 控制图均优于 MSEWMA 控制图，能更快速检测数据异常，为疾病进展跟踪、临床决策支持等提供有力帮助。

研究结论与讨论部分指出，该研究利用统计过程控制（SPC）工具，系统研究了卵巢癌的监测和预警方法。所构建的控制图基于经验似然比检验，不仅具有良好的统计性能，还能监测高维且样本分布未知的卵巢肿瘤数据，克服了某些参数或多变量控制图的缺点。结合 EWMA 的平滑参数，可合理分配历史和当前数据权重，避免信息丢失。滑动窗口模型则解决了子组数据流控制图因数据量有限导致的监测效果不佳问题。蒙特卡罗模拟和实际数据应用均表明，该高维非参数控制图在检测数据变化方面表现出色。然而，当控制图发出异常信号时，仅表明卵巢囊肿和卵巢癌患者的指标偏离正常范围，不能直接确诊肿瘤或确定其位置，还需结合其他临床信息和诊断工具进一步评估患者健康状况，调整治疗方案。未来，研究人员计划开发集成该高维非参数监测模型的工具，并在更大规模患者群体中进行验证，有望为卵巢癌的早期防治带来新的突破，为女性健康保驾护航。