开发一种可解释的机器学习模型，用于预测接受维持性血液透析患者的肌肉减少症

《Frontiers in Medicine》：Development of an interpretable machine learning model for predicting sarcopenia in patients undergoing maintenance hemodialysis

本研究针对维持性血液透析（MHD）患者肌少症开发了一种基于逻辑回归的可解释性机器学习模型，结合SHAP分析确定BMI、年龄、肌酐等关键预测因素，模型验证集AUC为0.828，显示高效且透明的临床应用潜力，但需多中心研究验证泛化性。

　　随着现代医学的发展，慢性疾病对人类健康的威胁日益显著。其中，接受长期维持性血液透析（MHD）的患者群体中，肌肉减少症（Sarcopenia）的发病率尤为突出。肌肉减少症是一种以骨骼肌质量下降和功能减退为特征的综合征，不仅严重影响患者的生活质量，还显著增加跌倒、骨折、心血管事件及死亡风险。由于传统诊断方法存在成本高、操作复杂等问题，限制了其在临床中的广泛应用，因此，构建一个基于常规临床和实验室数据的高效且可解释的肌肉减少症预测模型，成为当前医疗研究的重要方向。本研究采用机器学习技术，结合可解释性分析工具，如SHAP（SHapley Additive exPlanations），为实现这一目标提供了新思路。

本研究选取了256名接受维持性血液透析的患者作为研究对象，通过回顾性观察研究的方式，评估了五种不同的机器学习模型在预测肌肉减少症风险方面的表现。这些模型包括逻辑回归、极端梯度提升（XGBoost）、随机森林、支持向量机（SVM）和高斯朴素贝叶斯（GNB）。模型的性能评估主要依赖于受试者工作特征曲线下的面积（AUC）、校准曲线、决策曲线分析（DCA）以及精确率-召回率（PR）曲线。此外，SHAP工具被用于模型的可解释性分析，帮助医生更好地理解各个特征如何影响预测结果，从而支持更精准的临床决策。

研究结果显示，逻辑回归模型在验证集上的表现最佳，其AUC值为0.828（95%置信区间：0.626–0.989）。该模型的关键预测因素包括身体质量指数（BMI）、年龄、性别、肌酐（Cr）、25-羟基维生素D3、左心室射血分数（LVEF）和估算肾小球滤过率（eGFR）。SHAP分析进一步揭示了这些特征对肌肉减少症风险的具体影响。例如，较高的BMI和25-羟基维生素D3水平被证实为保护性因素，而较低的肌酐、LVEF和eGFR水平，以及女性性别，显著增加了肌肉减少症的发生风险。这一发现对于临床医生在日常诊疗中识别高危患者、制定个性化干预措施具有重要指导意义。

在模型构建过程中，研究人员首先进行了特征选择。通过皮尔逊相关分析，筛选出具有较强相关性的变量，并利用方差膨胀因子（VIF）剔除多重共线性较高的变量。随后，使用LASSO回归进一步缩小特征范围，最终通过多变量逻辑回归确定了七个具有统计学意义的预测变量。这一流程确保了模型在保持预测性能的同时，也具备一定的可解释性，避免了“黑箱”模型的局限性。

为了验证模型的稳定性与泛化能力，研究团队将数据集按照7:3的比例随机划分为训练集和验证集，并进一步将数据分为独立测试集，以评估模型在未见数据上的表现。结果表明，逻辑回归模型在训练集上的平均AUC为0.874（95%置信区间：0.819–0.928），在验证集上为0.828（95%置信区间：0.626–0.989），在独立测试集上为0.873（95%置信区间：0.792–0.954）。这些结果表明，模型在不同数据集上的表现稳定，具备良好的泛化能力。学习曲线分析进一步验证了这一结论，随着训练数据量的增加，模型在训练集和验证集上的性能趋于一致，说明模型具备较强的适应性。

模型的可解释性分析是本研究的重要组成部分。SHAP工具被用来展示各个特征对预测结果的贡献，帮助医生理解哪些变量在预测肌肉减少症时起到了关键作用。例如，BMI被确定为最重要的预测因子，其次是年龄、性别、肌酐、25-羟基维生素D3、LVEF和eGFR。此外，SHAP还提供了针对个体患者的可视化分析，例如，患者A（真阳性）的模型预测结果显示，其发生肌肉减少症的概率为86.0%，主要风险因素包括较高的年龄、女性性别和较低的eGFR；而患者B（真阴性）的预测概率仅为18.0%，主要保护因素为较低的年龄和较高的肌酐水平。这些个体化的分析不仅增强了模型的临床实用性，还为医生在制定治疗方案时提供了更具体的依据。

在临床意义方面，本研究识别出多个关键预测因子，其中BMI、年龄、性别、肌酐、eGFR和维生素D3均显示出显著的预测价值。BMI作为衡量身体组成的重要指标，已被广泛应用于多种疾病的预测模型中。然而，在接受维持性血液透析的患者中，BMI可能无法准确反映肌肉减少症的真实风险，因为透析过程中可能出现的体液变化可能掩盖肌肉流失的实际情况。因此，结合其他生物化学指标（如肌酐和LVEF）进行综合评估，有助于提高模型的准确性。

年龄和性别作为重要的临床变量，也被证明与肌肉减少症的发生密切相关。随着年龄的增长，肌肉质量和力量逐渐下降，这一趋势在透析患者中尤为明显。此外，女性比男性更容易发生肌肉减少症，这可能与激素水平（如睾酮和雌激素）对肌肉合成的影响有关。虽然雌激素在肌肉调节中的作用尚不完全明确，但其在骨骼肌蛋白合成中的潜在作用值得关注。因此，针对老年女性患者，应加强营养评估和康复训练，以降低肌肉减少症的发病率。

肌酐和eGFR作为反映肾功能的重要指标，也被纳入本研究的预测模型中。肌酐水平的降低通常与肌肉质量减少相关，而eGFR的下降则与慢性炎症和代谢紊乱密切相关，这些因素可能加速肌肉减少症的发展。然而，由于透析患者体内肾功能的复杂变化，肌酐和eGFR的测量可能存在一定的偏差。为此，研究团队采用了CKD-EPI胱抑素C方程来计算eGFR，这一方法在一定程度上提高了模型的准确性，因为胱抑素C对肌肉质量的依赖性较低，更适合作为肾功能的替代指标。

维生素D的水平也被证实为肌肉减少症的保护性因素。维生素D在骨骼健康、免疫调节和肌肉功能中发挥着重要作用，其缺乏可能加剧肌肉萎缩。在本研究中，较高的25-羟基维生素D3水平被发现能够有效减缓肌肉流失，尤其是在接受维持性血液透析的患者中，维生素D补充被认为是一种简单而有效的干预措施。维生素D通过抑制肾素-血管紧张素系统（RAS）发挥作用，其活性形式1,25-二羟基维生素D3能够激活骨骼肌细胞中的维生素D受体（VDR），从而抑制肾素基因的转录，减少血管紧张素II（Ang II）的生成。Ang II作为一种强效的肌肉分解因子，能够促进氧化应激、炎症反应和泛素-蛋白酶体系统（UPS）的激活，进而导致肌肉蛋白降解。因此，维生素D的补充可能有助于维持肌肉功能，减少肌肉减少症的发生。

左心室射血分数（LVEF）作为心脏功能的重要指标，也被证实为肌肉减少症的预测因子。LVEF的下降通常与全身血流灌注不足和组织缺氧相关，这些因素可能对骨骼肌的质量和功能产生负面影响。此外，研究还发现，肌肉减少症的患者心血管不良事件（MACE）的风险显著增加，这进一步强调了对心脏功能进行定期监测的重要性，尤其是在高风险人群中，以便提供双重干预措施。

本研究的另一个重要贡献在于引入了可解释机器学习（IML）方法，特别是SHAP分析，以提高模型的透明度和临床实用性。与传统的“黑箱”模型相比，IML方法不仅能够提供更高的预测性能，还能帮助医生理解模型的决策过程，从而增强其在临床中的应用价值。SHAP的可视化分析能够清晰地展示各个特征对预测结果的贡献，使临床医生能够更直观地识别哪些变量在肌肉减少症的预测中起着关键作用。这种透明性有助于建立医生与患者之间的信任，使预测模型成为临床决策的重要辅助工具。

尽管本研究取得了一定成果，但仍存在一些局限性。首先，由于研究设计为单中心回顾性研究，样本量相对较小（n=256），这可能导致模型的推广性受到一定限制。其次，研究未考虑肌肉减少症的动态发展过程，未来的研究应纳入纵向随访数据，以评估模型在疾病进展中的预测能力。此外，SHAP分析基于统计相关性，可能无法完全揭示预测因子之间的因果关系，因此，未来研究可以结合生物学实验，以更深入地理解这些变量如何影响肌肉减少症的发生和发展。

展望未来，本研究的模型可以进一步优化和扩展。例如，通过引入Bootstrap重采样技术，可以有效减少模型的乐观偏差，提高预测结果的准确性。同时，结合多组学数据（如基因组学、代谢组学等），可以更全面地捕捉肌肉减少症的风险因素，从而提高模型的预测能力。此外，探索深度学习模型也是一种可能的方向，这些模型能够挖掘更复杂的模式，提高预测精度。然而，为了确保深度学习模型的临床适用性，必须结合先进的可解释性工具，以维持模型的透明性和实用性。

综上所述，本研究构建了一个基于逻辑回归的肌肉减少症预测模型，并结合SHAP分析提升了模型的可解释性。该模型在预测性能和临床实用性方面表现出色，能够帮助医生在早期识别高危患者，并制定个性化的干预策略。然而，由于研究的单中心设计和样本量的限制，未来仍需进行多中心前瞻性研究，以验证模型的广泛适用性。此外，进一步研究肌肉减少症的动态变化过程以及预测因子之间的因果关系，将有助于推动该模型在临床实践中的深入应用，最终提高接受维持性血液透析患者的长期预后。