编辑推荐：
白塞病（BD）临床表现多样，预测其临床结局的生物标志物尚不明确。研究人员通过对 238 例 BD 患者回顾性队列研究，发现不同特征分组，确定多个预测生物标志物。这为改善 BD 治疗策略提供依据。
在眼科疾病的领域中，白塞病（Beh?et's disease，BD）宛如一颗难以捉摸的 “暗星”。它是一种多系统炎症性疾病，在日本的葡萄膜炎病例中占比相对较高，在全球许多国家的葡萄膜炎流行病学调查里也名列前茅。BD 的症状复杂多样，就像一团乱麻，反复的眼部炎症攻击会严重损害视力，还伴有复发性口腔溃疡、生殖器溃疡、皮肤病变以及血管、胃肠道和神经系统等多系统受累症状。虽然肿瘤坏死因子（TNF）抑制剂的出现，如英夫利昔单抗和阿达木单抗，给 BD 相关葡萄膜炎的治疗带来了曙光，显著改善了许多患者的视觉预后，但仍有一些患者即使使用了 TNF 抑制剂，视力依旧不佳，而有些患者即便未接受 TNF 抑制剂治疗，也从未出现眼部炎症发作。这使得医生们在治疗 BD 时面临着巨大的挑战，迫切需要找到能够预测 BD 临床进程的生物标志物，以便更精准地制定治疗方案。
在这样的背景下，东京医科大学（Tokyo Medical University）的研究人员挺身而出，开展了一项极具意义的研究。他们的研究成果发表在《Graefe's Archive for Clinical and Experimental Ophthalmology》上，为我们深入了解 BD 带来了新的希望。
研究人员采用了多种关键技术方法。他们进行了一项回顾性、单机构、观察性研究，从东京医科大学医院 2004 - 2020 年的病历中筛选出 238 例 BD 患者，排除无外周血检测结果的 62 例患者后，对剩余 176 例患者进行分析。运用无监督分层聚类分析，选取常规用于葡萄膜炎患者检测的多个连续变量进行分析；利用机器学习中的随机森林算法，通过 Boruta 多变量分析来识别重要特征；还使用了逻辑回归分析、Kruskal - Wallis 检验、Steel - Dwass 检验和卡方检验等统计方法进行数据处理。
研究结果令人眼前一亮。聚类分析成功将患者分为 4 组：A 组（低 C 反应蛋白，CRP）、B 组（高血管紧张素转换酶，ACE）、C 组（高抗链球菌溶血素 O，ASLO）和 D 组（低中性粒细胞计数）。C 组患者启动 TNF 抑制剂的比例显著较高（47%，p=0.04），可能与首次就诊时视力较差有关；D 组患者每年眼部炎症发作次数明显较少（1.4 次，p=0.04） 。逻辑回归分析显示，红细胞计数（p<0.01）和单核细胞百分比（p=0.02）是 TNF 抑制剂启动的预测生物标志物。机器学习进一步证实，平均红细胞血红蛋白浓度（MCHC）也是 TNF 抑制剂启动的重要预测指标。通过绘制受试者工作特征（ROC）曲线发现，单核细胞百分比预测 TNF 抑制剂启动的效果最佳，其曲线下面积（AUC）为 0.64。此外，多项回归分析表明，中性粒细胞与淋巴细胞比值（p=0.02）和红细胞分布宽度变异系数（RDW - CV，p=0.01）是眼部炎症发作频率的良好预测指标。
研究结论和讨论部分意义重大。该研究通过无监督分层聚类分析，揭示了 BD 的不同临床表型，凸显了疾病的异质性。单核细胞百分比和 MCHC 等生物标志物的发现，为预测 TNF 抑制剂的使用提供了依据。中性粒细胞与淋巴细胞比值等指标与眼部炎症发作频率的关联，也为临床治疗提供了重要参考。这意味着医生可以根据这些生物标志物，更精准地评估患者病情，为不同患者制定个性化的治疗方案，在严重眼内炎症对视网膜和视神经造成不可逆损伤前，及时采取有效的治疗措施，如合理使用 TNF 抑制剂，从而改善患者的视觉预后。虽然该研究存在一定局限性，如回顾性研究设计可能引入偏差、样本仅来自单机构、分析仅依赖常规血液检测数据等，但这依然为后续研究指明了方向，有望推动 BD 治疗领域取得更大的突破，让更多患者受益。
