编辑推荐：
为解决慢性肾病（CKD）患者内侧血管钙化（mVC）检测中成本效益问题，研究人员评估 5 种机器学习模型。发现模型间准确性差异仅 3%，但多特征模型成本近三倍。Logistic 回归（LR）最具成本效益，为 mVC 检测提供新方向。
在慢性肾病（CKD）的众多并发症中，内侧血管钙化（mVC）是一个令人担忧的 “沉默杀手”。它不仅与患者心血管风险升高密切相关，还可能加速肾病进展。然而，目前临床缺乏可靠且经济的 mVC 评估方法。传统的成像技术如计算机断层扫描（CT）、超声等，要么有创、要么成本高昂且难以普及，而新兴的 PET-CT 虽能区分血管钙化类型，但费用高、可及性低，导致 mVC 的真实患病率可能被严重低估。在此背景下，如何利用现代技术实现 mVC 的早期精准检测，同时兼顾医疗成本，成为亟待解决的科学问题。
来自波兰科学院生物网络与生物医学工程研究所（Nalecz Institute of Biocybernetics and Biomedical Engineering, Polish Academy of Sciences）等机构的研究人员，针对这一挑战展开了探索。他们的研究成果发表在《Scientific Reports》上，旨在评估机器学习模型在 CKD 患者 mVC 检测中的成本效益，为临床筛选高效经济的诊断工具提供依据。
研究人员采用了回顾性研究设计，纳入了 152 名接受活体供肾移植的晚期 CKD 患者，根据腹壁下动脉活检的组织学结果，将患者分为无 / 轻度 mVC 组（n=93）和中 / 重度 mVC 组（n=59）。研究使用了 R 和 Python 编程语言，结合多种机器学习算法，包括逻辑回归（LR）、支持向量机（SVM）、随机森林（RF）、弹性网络（EN）和松弛线性可分方法（RLS），并通过留一法交叉验证（LOOCV）评估模型性能。此外，研究引入了增量成本效果比（ICER），综合考虑模型的诊断准确性和检测成本，计算公式为ICER=prevalence?TPR?years_gainedmeasure_cost+(prevalence?TPR+(1?prevalence)?FPR)?ct_price，其中涉及生物标志物检测成本、PET-CT 价格（1127 美元）、疾病患病率等参数。
数据调查与模型构建
通过单变量逻辑回归分析，研究初步筛选出年龄、男性、copeptin（copeptin，一种应激标志物）、骨保护素（osteoprotegerin）等与 mVC 相关的特征。经多重比较校正后，年龄、男性、copeptin、胰岛素样生长因子 1（IGF1）、骨保护素和体重指数（BMI）仍具有统计学意义。进一步通过五种机器学习框架进行特征选择，发现所有算法均纳入年龄和 copeptin，而糖尿病、男性、胆碱、骨保护素等特征被四种方法选中，不同模型所选特征数量从 5 到 21 个不等。
模型性能与成本效益
在性能评估中，逻辑回归（LR）的受试者工作特征曲线下面积（AUC）最高（0.85），其次为松弛线性可分方法（RLS，AUC=0.84），支持向量机（SVM）最低（AUC=0.78）。尽管各模型准确性差异仅 3%，但成本差异显著：使用 21 个特征的 SVM 成本几乎是仅用 5 个特征的 LR 的三倍。ICER 分析表明，无论患病率和质量调整生命年（QALYs）如何变化，LR 的平均 ICER 最低（278 美元），表现出最佳成本效益，而 SVM 的 ICER 最高（769 美元）。敏感性分析显示，除骨硬化蛋白（sclerostin）成本波动可能影响松弛线性可分方法（RLS）与随机森林（RF）的排序外，整体结果稳定。
讨论与意义
本研究首次将成本效益分析纳入 mVC 的机器学习模型评估，揭示了模型性能与成本的失衡现象：尽管增加特征数量可能略微提升准确性，但检测成本会显著增加，而这种性能提升可能无法抵消经济投入。逻辑回归模型凭借简单性、可解释性和低成本优势，成为临床转化的潜在优选。此外，研究识别出的关键生物标志物如 copeptin、骨保护素和 sclerostin，不仅验证了既往研究结论，还为 mVC 的病理机制研究和新型诊断标志物开发提供了方向。
研究同时指出，尽管机器学习模型无法完全替代影像学检查，但可通过初筛减少不必要的 CT 扫描，降低医疗资源浪费和患者辐射暴露。未来随着 mVC 治疗手段的发展，早期检测带来的 QALYs 提升将进一步凸显生物标志物筛查的成本优势。当然，研究也存在局限性，如回顾性设计、样本量较小、缺乏外部验证，以及生物标志物成本的地区差异等，这些均需在后续研究中进一步探讨。
这项研究为慢性肾病并发症的精准医疗提供了新思路，强调在追求诊断准确性的同时，必须纳入经济因素进行综合考量。机器学习与成本效益分析的结合，有望推动临床决策从 “单一性能导向” 向 “价值导向” 转变，为资源有限的医疗环境提供更具可持续性的解决方案。
