编辑推荐：
在医学领域，为检测临床患者非医疗使用合成代谢雄激素类固醇（AAS），芬兰研究人员用弹性网络回归，分析临床实验室数据。结果显示模型有判别能力，依参考范围外测量预测效果最佳。这为检测 AAS 滥用提供新途径。
在竞技体育的反兴奋剂斗争中，运动员生物护照（ABP）通过监测血液学和雄激素等标记物变化，成功揪出不少违规运动员。但在医学领域，识别那些为竞技或娱乐目的非医疗使用兴奋剂类物质的患者，却困难重重。合成代谢雄激素类固醇（AAS）作为历史上男性热门的兴奋剂，非医疗使用会引发一系列严重健康问题，从急性血栓紧急情况到肝、肾、心脏衰竭以及不孕不育等。然而，由于担心被污名化，患者往往不愿如实告知医生用药情况，且直接检测 AAS 在临床并不常用，医生只能通过间接方式诊断，这使得准确识别 AAS 滥用患者变得极为棘手。为解决这一难题，来自芬兰的研究人员开展了一项极具意义的研究。他们的研究成果发表在《Sports Medicine - Open》上，为临床检测 AAS 滥用带来了新希望。
研究人员从芬兰赫尔辛基和乌西玛地区医院（HUS）的数据湖中收集样本，通过在数字医疗记录中搜索与兴奋剂相关的关键词，确定研究对象。最终筛选出 2918 名男性患者，其中 1007 名承认使用 AAS，1911 名否认使用，98 名因信息不明确被排除。研究人员利用弹性网络回归（结合 Lasso 和 Ridge 惩罚方法优化特征选择和减少过拟合）构建预测模型，将观察间隔长度作为权重，用留出法交叉验证模型性能，以受试者工作特征曲线（ROC）下面积（AUC）评估模型预测能力。
在研究结果部分，先来看数据特征。观察区间特征显示，AAS 使用组和未使用组在年龄、观察区间长度和实验室测量总数上存在差异。AAS 使用组患者起始观察年龄均值为 31.6 岁，观察区间长度均值为 6.1 年，平均每人的实验室测量总数中位数为 53.0；未使用组起始观察年龄均值为 32.6 岁，观察区间长度均值为 8.7 年，平均每人的实验室测量总数中位数为 190.0 。
再看弹性网络回归结果。研究构建的 6 个模型都展现出一定的判别能力。其中，以 31 个实验室参数参考范围外测量的存在作为 AAS 滥用预测指标的模型（模型 5）表现最佳，AUC 达到 0.757（95% 置信区间为 0.725 - 0.789）。该模型中的预测变量与先前研究相符，如低高密度脂蛋白胆固醇（HDL - C）、促黄体生成素（S - LH）和睾酮（S - T）异常增加了 AAS 滥用的可能性；而空腹血清叶酸（fS - Fol）和铁状态标记物（fP - Fe、P - Ferrit）参考范围外测量则降低了 AAS 滥用的可能性。此外，一些变量如血浆肌酸激酶（P - CK）、肌红蛋白（P - Myogl）等升高，可能反映患者肌肉量异常、使用肌酸补充剂或进行高强度运动。
研究结论表明，纵向临床实验室数据可有效识别医疗保健患者中的 AAS 滥用情况，以参考范围外实验室测量作为 AAS 使用预测指标的模型诊断准确性最高。该研究意义重大，若进一步开发完善，此类模型可嵌入临床实验室信息系统，辅助医生及时发现患者 AAS 滥用情况，从而避免不必要的诊断测试，防止无效治疗，减少药物相互作用风险。同时，这也为后续开发 “患者生物护照” 奠定了基础，有望提高医疗系统对 AAS 相关健康问题的识别和应对能力，改善患者健康结局。
