编辑推荐：
为解决结核病治疗结局预测难、现有研究局限性大的问题，南京医科大学研究人员开展用生化指标和机器学习预测 TB 治疗结局的研究。结果发现关键预测指标，构建高准确率模型。推荐阅读，探索结核病防控新思路。
在全球健康的大舞台上，结核病（TB）绝对是一个不容忽视的 “反派角色”。它由结核分枝杆菌（M.tb）引起，悄无声息地潜入人们的生活，据估计，全球约四分之一的人口都被它 “盯上” 了。世界卫生组织（WHO）为了对抗这个 “反派”，制定了详细的治疗方案，对于药物敏感的结核病患者，采用为期六个月的四种一线药物联合治疗；而对于耐药结核病患者，治疗过程则更加漫长和复杂，需要使用贝达喹啉或德拉马尼等药物。
然而，结核病的治疗结果并不总是如人所愿。WHO 将治疗结果分为成功、治疗失败、治疗完成和失访几类，按照最新定义，治疗中断也被归为治疗失败。这可不是小事，治疗中断不仅会让患者的症状加重，延长感染时间，还会增加疾病传播的风险，甚至可能引发甲状腺功能障碍等其他健康问题。大约 5 - 11% 的患者会因为药物不良反应而中断治疗，这些反应从轻微不适到严重的肝毒性、高尿酸血症等都有，使得患者不得不停止用药。
再看之前预测结核病治疗结果的研究，大多聚焦在耐药和死亡等严重不良事件上。虽然这些研究利用了先进的生物标志物，像转录组学、基因组学和放射成像技术来寻找预测指标，但问题也不少。一方面，这些严重结果在患者中发生的比例相对较低，导致这些模型对于大多数没有出现这些并发症的患者适用性不强；另一方面，转录组学和基因组学分析虽然很厉害，能深入了解疾病机制，但由于技术复杂、成本高昂，在临床中并不能广泛应用，使得依赖这些数据的预测模型难以在日常医疗中发挥作用。
为了解决这些问题，南京医科大学的研究人员展开了一场科研 “大冒险”。他们的研究成果发表在《BMC Infectious Diseases》期刊上，论文题目是《Prediction of tuberculosis treatment outcomes using biochemical makers with machine learning》。这场 “冒险” 收获颇丰，他们成功构建了一个模型，能通过患者入院时的初始检测结果，预测结核病的治疗结果，这个模型的预测准确率还挺高，受试者工作特征曲线下面积（AUC）达到了 0.87。而且，研究发现 5’ - 核苷酸酶（5’ - NT）、尿酸、球蛋白、肌酐、胱抑素 C 和天冬氨酸转氨酶（AST）这些指标升高，与治疗失败密切相关。这一成果不仅为结核病的防控提供了新的视角，还强调了在临床中利用常规生化标志物进行早期风险评估的重要性，有助于制定个性化的患者管理和监测计划，提高治疗成功率，降低治疗中断的风险。
在这场科研 “大冒险” 中，研究人员用到了几个关键的技术方法。他们先是收集了大量患者的数据，这些数据可不是随便来的，都是符合研究要求的结核病患者。然后，运用了 7 种特征选择方法，像互信息（MI）、F 检验、Spearman 等，从众多特征中挑选出最 “有用” 的。同时，还采用了 12 种机器学习算法，比如 AdaBoost、决策树、K 近邻（KNN）等，建立了一个算法库，通过不断尝试不同的组合，找到最适合预测结核病治疗结果的模型。最后，利用 SHapley Additive exPlanations（SHAP）分析，来评估模型中各个特征的重要性。
下面来看看研究人员的 “冒险收获”，也就是研究结果。
患者的特征
研究人员召集了 1086 位完成结核病治疗的患者。这里面有 361 位女性，725 位男性。治疗结果也各不相同，607 位患者治疗成功，479 位患者治疗失败。治疗失败的原因多种多样，有的是因为治疗中断，有的是治疗方案需要改变，还有的是出现了耐药情况。在治疗中断的患者里，245 人出现了肝功能异常，321 人有血小板减少症，133 人患上了高尿酸血症，14 人出现皮疹。还有 22 位患者需要更改治疗方案，其中 16 人发展成了耐药结核病，好在研究期间没有患者死亡。而且，治疗失败大多发生在抗结核治疗的第二个月。
互信息与 K 近邻算法结合确定最优模型
研究人员面对包含 94 个临床指标的数据集，就像面对一个装满各种工具的大箱子，得从中挑选出最有用的工具。他们尝试了各种特征选择算法，互信息（MI）脱颖而出。MI 就像一个 “智慧小助手”，能衡量特征和目标变量之间的依赖关系，帮助找到最有价值的预测指标，还能让模型变得更 “聪明”，计算起来也更轻松。用不同的分类器方法对挑选出的特征进行交叉验证后，研究人员发现，用 MI 算法挑选出 5’ - 核苷酸酶（5’ - NT）、尿酸、球蛋白、肌酐、胱抑素 C 和天冬氨酸转氨酶（AST）这 6 个关键特征，再构建 K 近邻（KNN）模型，效果特别好。这个模型在测试集上表现出色，AUC 达到 0.87，准确率（ACC）为 0.82，灵敏度为 0.69，特异性为 0.92。
5’ - NT、尿酸、球蛋白水平升高与治疗失败相关
为了搞清楚这些特征对模型预测的贡献，研究人员又用了 SHAP 分析这个 “透视镜”。结果发现，在这些特征里，一些生化标志物对预测治疗成功或失败的作用比其他的更重要。5’ - NT 水平升高对预测概率影响很大，能让概率增加 0.16；尿酸和球蛋白也不甘示弱，分别能让概率增加 0.16 和 0.12。其他因素虽然影响相对小一些，但也为整体预测准确率出了一份力。
最后来总结一下研究结论和讨论部分。这次研究成功搭建了预测结核病治疗结果的模型，还找到了和治疗失败密切相关的几个关键指标，这可太有意义了。从临床角度看，医生可以根据患者治疗前这些指标的水平，提前知道患者可能面临的风险，给患者提供更有针对性的健康教育，比如饮食方面的建议，帮助患者减少不良反应的发生。不过，这个研究也有一些小 “遗憾”。比如，失访率比较高，1990 个初始病例里，有 904 人失访，这可能会让研究结果有点 “跑偏”，还降低了统计的可靠性，研究结果可能没办法很好地代表更广泛的人群。而且，研究是在单中心进行的，没有经过外部验证，不同医院的诊断和治疗方案可能不一样，这个模型在其他地方不一定能用。但这也为后续研究指明了方向，未来可以开展多中心研究，让这个模型更加可靠，在临床实践中发挥更大的作用，更好地帮助医生和患者对抗结核病这个 “大反派”。
