队列专题 | 同一套指标，换个中心就不灵？聊聊队列研究里的“中心效应”

APTBIO

 

队列专题

现在做临床研究，很多团队都会往“多中心”上靠。道理很简单：一个中心收的病人有限，人群也窄，结论外推到别的地方心里没底；多几家医院一起收样，样本量上来了，人群也杂了、更贴近“真实世界”。

但麻烦也出在“多中心合在一起”这一步，把几家医院的数据并到一张分析表里，可能会撞见一件怪事：同样的疾病、同样的标志物、甚至同一套检测流程，算出来的结果却自说自话，有的中心显著，有的中心压根不显著；模型在一家医院跑得漂亮，换个地方就失效了。

我们这篇文章想把这背后的“中心效应”讲清楚：它是什么、从哪来、怎么在设计和分析阶段把它压下去，以及投稿前该自查哪几件事。这几年 AI 预后模型、组学标志物正热，可不少团队第一次正面撞上中心效应，都是在跨中心队列验证时模型突然“失灵”的那一刻。这不是数据不够多，而是差异没被正视、没被控制。

一个直观的例子：今年发表在Nature Medicine上的一项研究，联合了六国六中心、共 2396 名晚期非小细胞肺癌患者，用常规临床和血液数据建了一个 AI 预后模型。模型在自己内部测试集上 AUC 达到 0.77，可一到外部验证中心，AUC 就掉到了 0.55–0.72。作者把这种衰减，归到了各中心患者选择、疾病严重度、随访实践的差异上。这就是中心效应导致模型跨中心失效的典型一例，也顺带说清了一件事：外部验证和重新校准，不是可选项。

图1 Ai模型辅助构建多中心医院小细胞肺癌预后模型

 

一、中心效应到底是什么？

说白了，中心效应就是：在不同研究中心之间，因为试验条件、受试者特征或者操作上的差异，导致各中心的结果出现了系统性的偏差。它本质上是一种偏倚，也是一种异质性来源——会同时拖累结果的准确性和可外推性，假阳性也会跟着往上走。

它基本绕不开三个来源：人群基线差异、操作差异、测量差异。

 

受试者差异

各中心入组人群的年龄、病情严重程度、合并症比例、地域人种等基线特征对不上。

 

入组不均衡

各中心入组例数差太多，例数少的中心结果不稳定，容易把整体趋势带偏，最后合并出来的多中心结论也就不可靠。

 

操作与评估差异

不同中心研究者的熟练度、随访依从性、数据记录质量参差不齐；像量表评分、影像判读这种主观性强的指标，各家标准不统一。

 

检测与设备差异

实验室方法、仪器校准、单位不统一，或者有的中心用本地实验室而非中心实验室，检测标准和结果自然有偏差。

 

二、容易误判的情况：把测量差异当成“批次效应”

上面三类里，测量差异最容易被忽略。用不同平台和试剂做检测后，PCA 图上体现出的差异，研究者多半会先扣上“批次效应”的帽子。

这里有个区分的关键。Gelman 和 Hill 在 2006 年那本回归与多层模型教材里，就“中心效应”和“批次效应”给过一套理论框架：给每个中心建随机截距、随机斜率，组成混合效应模型（mixed-effect）。全体人群共享固定效应（fixed effect），每个中心各自带一段偏移，那就是随机效应（random effect）。随机截距给每个中心一个基线偏移，随机斜率则允许“差异本身”在各中心也略有不同。混合效应模型的好处，是它承认中心之间存在差异，再用模型去处理，而不是一刀切地当成技术问题抹掉。

图2 斜率截距模型构建

 

三、从源头控制：设计和前期该干什么？

针对上面这些来源，做多中心队列项目时，临床侧能做的，是先尽量把各地的诊断、收样、保存、运输标准统一成同一份 protocol。组学检测正式开始之前，还得把样本随机化的问题想清楚：各中心内部做区组随机化，把病例/对照、各个时点，随机散布到各机各批。这一步的关键动作之一是记好排机表——blank 样本、QC 样本、正式样本，分别排在哪个机、哪一批，都得留痕。

图3 多中心医院肺癌标志物流程图

 

四、拿什么盯住漂移——跨中心穿插 QC pool

给待检测样本加上能用于批次矫正的质量 QC，或者在多批次样本里掺入用于桥接的样本，检测结束后再做数据矫正，这是常规操作。更实用的一招，是跨中心穿插 QC pool（合并质控池）：把同一个 pool 的样本打散，分到各中心、各批、各机上去测，看检测值稳不稳。它一旦漂移，基本就能定位到是某中心某批出了问题。

具体做法：从所有入组样本里各取等体积，混成一个“池”，分装成多份，随机插进每个中心、每批、每台机器。得说清楚，QC pool 不是“标准品”，它的角色是“过程控制”——盯的是整个检测流程稳不稳定，而不是给浓度当绝对参考。实际检测里，一般每隔 20–40 个样本就插一针 QC pool；在蛋白组，QC pool 跨批 CV 要压到 15% 以内，代谢组则控制在 20% 以内。

 

五、数据出来后怎么矫正——常见批次合并算法

到了数据层面，可以用算法做批次合并。常见的批次矫正算法有 ComBat、EigenMS、SVR（support vector regression）等，靠批次间的 QC，把两批相对离散的样本拟合到一起。

用这类方法做批次间合并时，有几个坑得提前避开：方案设计阶段就要规划好，保证前后检测是同一实验条件；多批次样本得用同样的 QC，这样才能做批次效应考察和矫正分析；另外数据分析时，查库软件和条件保持一致，前一批数据和新一批数据，建议同时重新查库。

表1 文章中使用不同机器学习算法进行的AUC计算

 

图4 我司通过算法进行批次矫正的实际案例

 

六、别忽视合规：协议注册与伦理

多中心课题启动前，协议要在对应的 registry 登记（国内可在中国临床试验注册中心 chictr.org.cn），各中心的伦理批件一个都不能少。现在审稿人常会要求附上注册号；多中心的知情同意也得用统一模板，各中心表述不一致，一样会被质疑。

 

七、文章投稿前，用这五条自查一遍：

 

1. 中心间操作 SOP 是否一字不差？尤其是采血、冻存、转运三段。

 

2. center 在模型里是当固定效应还是随机效应？顶刊默认是随机。

 

3. QC pool 跨中心的 CV 控制在多少？通常 15% 以内是底线。

 

4. 排机表是否准确记录？可考虑附在 supplementary。

 

5. 协议注册号和伦理批件齐不齐？缺一个就会返修。

 

参考文献

[1] Prelaj A, Miskovic V, Sacco M, et al. Clinical usability of an explainable AI decision support tool and evaluation of multimodal models in NSCLC. Nat Med. 2026 Sep;32(9):3235-3247. doi: 10.1038/s41591-026-04488-2. Epub 2026 Sep 13. PMID: 42733093; PMCID: PMC13577906.

[2] Gelman, A., & Hill, J. Data analysis using regression and multilevel/hierarchical models. Cambridge University Press. (2006). ISBN:9780511266836

[3] Liu, L., Zuo, P., Yu, C. et al. Development and external validation of machine learning models for predicting mortality in patients with lung cancer: a multicenter retrospective cohort study. Sci Rep 16, 33532 (2026).

 

中科优品推荐

【中科新生命】的多组学服务业务可为各位研究者提供详细的“实验设计、样本检测、生信分析、数据解读与挖掘”等工作，为您深入进行科学研究，发表高分文章，为后续临床转化奠定基础。

 

关于中科新生命

上海中科新生命生物科技有限公司（APTBIO）创立于 2004 年，由原中国科学院上海生命科学研究院蛋白质组研究中心孵化而来，是国内质谱多组学应用领域的开拓者。公司以 “AI + 质谱多组学” 双核驱动创新，构建智能化组学生态。拥有自主知识产权的质谱检测平台与 AI 大数据分析系统，聚焦科技服务、生物医药及大健康消费三大领域，为全球科研机构、医院、药企提供从基础研究到临床转化的一站式解决方案。融合多组学技术与人工智能，围绕生物标志物发掘、药物靶点筛选及个性化诊疗等方向，构建具有国际竞争力的组学数据库与算法模型，推动转化医学进程，加速创新药物研发，成为推动生命科学数字化升级的核心引领者。