炎症检测值：预测精神疾病风险的新指标

为探究炎症与精神疾病风险关系，研究人员分析数据建立模型，发现炎症值可预测风险，意义重大。

　　在当今快节奏的社会中，精神健康问题日益凸显。据世界卫生组织所言，没有精神健康就没有真正的健康。从深度医疗管理的角度来看，探究精神疾病的风险因素并加以干预至关重要。近年来，台湾地区精神疾病的患病率呈上升趋势，寻找能够有效预测和预防精神疾病的方法迫在眉睫。

炎症，作为身体对各种刺激的一种防御反应，近年来被发现可能与精神疾病存在关联。在临床实践中，C 反应蛋白（CRP）是常用的炎症生物标志物，它在身体的全身炎症反应中发挥关键作用。而高敏 C 反应蛋白（hs-CRP）能更精准地量化较低水平的 CRP，可用于监测感染性和非感染性炎症。此外，红细胞沉降率（ESR）和白细胞计数（WBC）也是常见的临床炎症检测指标。然而，炎症与精神疾病之间是否存在明确的因果关系，以及炎症检测值能否有效预测精神疾病风险，仍有待深入研究。此前的研究大多仅聚焦于炎症与特定精神疾病（如抑郁症、焦虑症）的关联，且未全面考虑关键炎症标志物，也未充分控制影响精神健康的多种因素。

为了填补这些研究空白，中国医药大学附设医院、国立台中科技大学等机构的研究人员开展了一项具有重要意义的研究。该研究成果发表在《BMC Psychiatry》杂志上。

研究人员采用回顾性纵向研究设计，从 iHi 临床研究平台数据库获取了 2008 年 1 月 1 日至 2020 年 12 月 31 日期间 300 万患者的电子病历数据。纳入标准为在该时间段内进行过炎症血液检测且未患精神疾病的患者，排除了病历不完整、年龄 20 岁及以下、失访以及在炎症诊断前已患精神疾病的患者，最终共有 231,306 名患者纳入研究。

在研究方法上，主要运用了以下关键技术：一是倾向得分匹配法，用于在组内比较时平衡性别、年龄等混杂因素，减少偏差；二是构建深度神经网络（DNN）模型，利用 R 语言中的 caret 包进行开发、训练和优化，并通过特征选择算法提升模型的准确性。研究分两个阶段进行分析，第一阶段使用 7 个预测变量进行统计分析和 DNN 模型比较；第二阶段根据文献回顾和专家建议，将预测变量增加到 10 - 17 个，进一步优化 DNN 模型123。

在研究结果方面：

1. 炎症标志物与精神疾病风险的关联：在众多炎症标志物中，hs-CRP 浓度与精神疾病风险的关联最为显著，其浓度越高，患精神疾病的风险越大。hs-CRP 浓度大于 10mg/dL 的患者，精神疾病患病率达 45.51%。同时，个体炎症检测值的组合也与较高的精神疾病风险相关，组合检测组的精神疾病患病率为 32.21%。
2. 炎症检测值与精神疾病类型的关系：炎症标志物与精神疾病类型存在一定相关性。例如，WBC 组与器质性精神障碍的相关性最高（aOR = 8.074，p < 0.001）。hs-CRP、ESR 和 WBC 组患情感性精神病、器质性精神障碍和其他类型精神障碍的风险均增加；hs-CRP 和 WBC 组患焦虑症的风险也有所增加45。
3. 炎症检测值与精神疾病发病时间的关系：hs-CRP 组从血液检测到出现精神疾病的平均时间间隔最短，仅为 370.87 天，这表明炎症检测值异常与精神疾病的早期发生密切相关。而且，患者炎症检测值越异常，患精神疾病的可能性就越大。
4. DNN 模型的预测性能：在第一阶段，统计分析和 DNN 模型在相同变量下表现相似。第二阶段，经过特征选择和模型优化后，DNN 模型的性能显著提升。hs-CRP 组的预测能力最强，曲线下面积（AUC）达到 0.9162，特异性为 0.8986，能够有效预测精神疾病的风险678。

研究结论和讨论部分指出，该研究证实了炎症检测值可以预测精神疾病的发生风险以及疾病类型。hs-CRP 浓度和个体炎症检测值的组合是重要的预测指标。其中，hs-CRP 组不仅精神疾病发病率高，而且发病时间间隔短。WBC 组患者患精神疾病的平均年龄最小，提示该组人群可能存在精神疾病早发的风险，值得重点关注。此外，研究还发现，纳入更多特征（如患者的住院史、手术史等）后，DNN 模型在临床实践中预测精神疾病风险的能力更强。

然而，该研究也存在一些局限性。数据来源于单一医疗中心的电子病历系统，可能存在数据不准确和样本选择偏差的问题；数据库缺乏 IL - 6 和 TNF - α 等与精神障碍相关的标志物数据；未对特定精神疾病进行亚组分析；DNN 模型的 “黑箱” 性质限制了其可解释性；且无法与常用的临床工具进行比较。尽管如此，这项研究为精神疾病的预防和早期诊断提供了新的思路和方向。未来研究可在不同地区和医疗机构开展，纳入更多相关标志物，进行亚组分析，并探索提高模型可解释性的方法，以进一步完善对炎症与精神疾病关系的认识，为临床实践提供更有力的支持。