基于机器学习预测乳糜泻抗体血清阳性的生化检测参数模型研究

本研究针对乳糜泻(CD)诊断延迟的临床难题，通过机器学习方法分析初级医疗中的生化检测数据，构建了两种预测模型（全参数集与精选参数集）。结果显示，模型对CD抗体血清阳性的预测AUC分别为0.68和0.63，虽预测效能有限，但揭示了食物过敏原抗体和IgA的关键作用，为优化CD早期筛查策略提供了数据支持。

　　

乳糜泻(CD)是一种由麸质摄入触发的终身性自身免疫疾病，全球约1%人群受累，但高达80%患者未被确诊。诊断延迟平均达6年，导致患者生活质量下降、医疗负担加重。当前诊断依赖组织转谷氨酰胺酶(TTG)抗体检测，但非特异性症状（如贫血、疲劳）使初级医疗中的早期识别尤为困难。

为突破这一瓶颈，哥本哈根大学医院等机构的研究团队利用2006-2015年丹麦初级医疗实验室(CopLab)数据库，纳入54,877例接受CD抗体检测的患者数据（672例血清阳性），开发了两种机器学习预测模型：全参数模型（含75项生化指标）和临床精选模型（16项指南相关指标）。通过极端梯度提升(XGBoost)、逻辑回归等方法分析检测结果，发现模型区分能力有限（AUC 0.63-0.68），预测概率分布重叠显著。

研究采用10折交叉验证框架，结合四种算法（XGBoost、逐步回归、支持向量机、LASSO交互项回归）构建集成模型。关键创新点在于：1）纳入五年回溯期的检测数据均值/极值；2）处理90%以上缺失率的参数时采用均值插补；3）通过特征重要性分析识别核心指标。

主要结果

1. 人口特征：血清阳性患者74.6%为女性，平均年龄30.1岁，检测频率与阴性组无显著差异。
2. 预测效能：全模型AUC(0.68)略优于精选模型(0.63)，但均未达到理想诊断阈值。
3. 关键指标：食物过敏原抗体（全模型首要预测因子）与IgA（精选模型首要因子）最具判别力，碱性磷酸酶、血小板等常规检测参数次之。

讨论与意义
该研究首次系统评估初级医疗生化数据对CD的预测价值，揭示现有检测参数的局限性：

• 生化异常可能过于细微或非特异（如维生素D、铁代谢指标波动），难以形成稳定模式
• 临床选择偏倚（如IgA检测本身是CD诊断流程的一部分）可能限制模型泛化能力
• 与既往遗传预测模型(AUC>0.8)相比，生化参数单独应用效能不足

尽管预测效能未达预期，研究为后续工作指明方向：

1. 多模态整合：结合症状、家族史等临床数据可能提升模型性能
2. 动态监测：纳入参数时序变化或能捕捉CD进展特征
3. 临床适用性：保持模型简洁性（如精选模型仅18项指标）利于基层推广

该成果发表于《Scientific Reports》，为缩短CD诊断延迟提供了方法论基础，强调未来需平衡预测精度与临床可操作性的研究设计。