基于潜在类别分析揭示乳糜泻新型临床亚型特征：一项多中心研究

本研究针对乳糜泻(CD)临床异质性高、传统Oslo分类局限性的问题，通过潜在类别分析(LCA)对2478例意大利多中心CD患者进行数据驱动分型，鉴定出4个特征迥异的亚型（如以上消化道症状为主的Class 2与伴贫血的Class 4），并通过多因素逻辑回归(MLR)验证其与自身免疫疾病、组织学损伤的关联，为CD精准分型提供新范式。

　　

乳糜泻（Celiac disease, CD）作为一种终身性免疫介导的肠道疾病，其临床表现谱从典型腹泻到无症状的极端差异，始终是临床分类的难题。传统Oslo分类将CD分为典型、非典型和无症状三型，但这种基于专家共识的框架能否真实反映疾病异质性？越来越多的证据表明，现有分类可能掩盖了特定亚群的关键特征，例如女性患者更易出现上消化道症状，而贫血患者可能被错误归类。这种分类模糊性直接影响临床决策和预后评估，亟需数据驱动的客观分型方法。

针对这一挑战，来自中国的研究团队联合意大利19家医疗中心，开展了一项突破性研究。通过对2478例经活检确诊的成人CD患者（2011-2021年）进行潜在类别分析（Latent Class Analysis, LCA），研究团队首次运用这种无监督机器学习方法，基于胃肠道症状、血液学异常等28个分类变量，发现了传统分类体系未能捕捉的4个全新亚型。这项发表在《European Journal of Internal Medicine》的成果，为CD精准医学实践提供了重要工具。

研究采用三大关键技术方法：1) 多中心回顾性队列分析（纳入意大利19家中心2478例患者）；2) 基于贝叶斯信息准则(BIC)优化的潜在类别分析(LCA)进行症状聚类；3) 多因素逻辑回归(MLR)验证亚型与组织学、自身免疫等特征的关联。

研究结果部分揭示了一系列重要发现：

3.1 潜在类别
LCA鉴定出4个特征鲜明的亚型：Class 1（291例）以腹泻、腹痛等下消化道症状为主；Class 2（144例）集中表现为消化不良、胃食管反流等上消化道症状，女性占比76.4%；Class 3（1278例）为无症状/非特异性表现；Class 4（765例）以微细胞性贫血伴乏力为特征，女性比例高达88.6%。值得注意的是，男性队列中Class 4消失，提示CD存在显著性别差异。

3.2 与传统分类对比
Sankey图显示Oslo分类与LCA亚型存在显著错配：约30%被Oslo归类为"典型CD"的患者实际属于无症状的Class 3或贫血主导的Class 4，暴露出现有分类标准的局限性。

3.3 多因素回归验证
MLR模型揭示关键关联：Class 2女性优势显著(OR 2.7)，且与自身免疫疾病(OR 1.96)、B2级Corazza-Villanacci组织学损伤(OR 9.12)强相关；Class 4则与骨质疏松风险升高相关。而十二指肠黏膜看似正常却存在严重组织学损伤(B2级)的现象，在Class 2中尤为突出(OR 8.11)。

讨论部分指出，这项研究首次证明LCA可系统识别CD临床亚型，其价值体现在三方面：1) 揭示上消化道症状亚型(Class 2)与自身免疫共病的特殊关联，提示该类患者需加强免疫监测；2) 发现贫血主导亚型(Class 4)的女性特异性，为性别医学提供新视角；3) 证实组织学损伤程度与症状严重度非简单对应，推翻"无症状即病变轻"的固有认知。这些发现对临床实践具有直接指导意义——例如对Class 2患者应优先排查甲状腺疾病等共病，而Class 4患者需强化铁代谢评估。

该研究的创新性在于将人工智能方法引入CD分型领域，其数据驱动的分类框架克服了专家共识的主观局限。当然，作为回顾性研究，其结论需在前瞻性队列中验证，且意大利人群的单一性可能影响结论外推。未来研究可整合基因组学等多组学数据，进一步揭示各亚型的分子基础，最终实现CD的精准分型与个体化管理。这项研究标志着CD分类学从经验医学向计算医学的重要转型，为消化疾病人工智能研究树立了新范式。