编辑推荐：
为解决类风湿关节炎（RA）骨破坏早期预测难题，研究人员基于血浆代谢物特征和临床指标，开发预测模型。通过 LC-MS 检测代谢物，利用机器学习筛选核心代谢物，构建 CjBM 模型，其 AUC 达 0.800，为 RA 骨破坏早期预警提供新方向。
类风湿关节炎（RA）是一种侵蚀性自身免疫病，会引发关节软骨和骨破坏，导致残疾，严重影响患者生活质量。早期准确预测骨破坏对及时干预至关重要，但传统临床指标如 C 反应蛋白（CRP）、类风湿因子（RF）等敏感度和特异度有限，尤其在血清阴性患者或接受药物治疗者中效果不佳，因此亟需新的生物标志物和预测模型。
中国 - 日本友好医院的研究团队开展了相关研究，旨在基于血浆代谢物特征和常见临床指标，开发 RA 骨破坏的早期预测模型。研究成果发表在《Arthritis Research & Therapy》。
研究采用了以下关键技术方法：
- 样本队列：从中国 - 日本友好医院随机选取 60 例 RA 患者，采集基线血浆样本，随访 1 年，通过 van der Heijde 改良总 Sharp 评分（mTSS）评估放射学结局，以 ΔmTSS 中位数将患者分为 “缓慢进展” 和 “快速进展” 组。
- 代谢物检测：利用液相色谱 - 质谱联用（LC-MS）系统检测血浆代谢物，通过 KEGG、HMDB 等数据库鉴定代谢物。
- 机器学习分析：运用 LASSO 回归、高斯朴素贝叶斯（GNB）等多种算法筛选核心代谢物，构建骨侵蚀风险评分（BERS）和 “中国 - 日本友好医院 - BERS 模型（CjBM）”，并通过 ROC 曲线、决策曲线分析（DCA）等评估模型性能。
研究结果
基线特征与代谢物差异
60 例患者基线 mTSS 中位数为 13.50，随访 1 年 ΔmTSS 中位数为 3.50。慢进展组甲氨蝶呤（MTX）使用率显著高于快进展组。检测到 774 种代谢物，其中 77 种在两组间存在差异，多数属于脂质类，提示脂质代谢与骨破坏密切相关。
核心代谢物筛选
通过 LASSO 回归和 GNB 算法，筛选出 4 种核心代谢物：芒果酸、O - 乙酰 - L - 肉碱、5,8,11 - 二十碳三烯酸、16 - 甲基十七烷酸。这些代谢物在快进展组水平较低，与 ΔmTSS 呈负相关。基于其表达水平和重要性计算的 BERS 显示，高 BERS 组快速进展风险显著更低（OR=0.01，95% CI=0.01-0.03，P=0.003）。
预测模型构建与评估
CjBM 整合 BERS、MTX 和 CRP，ROC 曲线下面积（AUC）为 0.800，显著优于仅含临床指标的模型（AUC=0.692，PDeLong=0.045）。与既往模型相比，CjBM 在识别快速进展方面表现更优，加入 BERS 可提升原有模型的区分度（PDeLong=0.035）。
结论与讨论
研究开发的 CjBM 模型结合代谢物特征和临床指标，为 RA 骨破坏提供了新的预测工具。核心代谢物如芒果酸通过抗氧化、抑制 NF-κB 通路等机制发挥作用，提示代谢物不仅是预测标志物，还可能成为治疗靶点。尽管样本量较小，需进一步验证，但该研究首次将代谢组学与机器学习结合，为 RA 精准医疗奠定了基础，有望通过动态监测代谢特征实现早期干预，延缓骨破坏进程。
