基于数据驱动聚类分析揭示川崎病冠状动脉异常患者的异质性特征及其临床意义

日本山梨大学团队通过回顾性队列研究，对103例急性期发生冠状动脉异常(CAA)的川崎病(KD)患者进行层次聚类分析，首次识别出4个具有不同临床特征和治疗反应的亚群(Cluster 1-4)，揭示了CAA发展的异质性机制。该研究为个体化治疗策略制定提供了重要依据，发表于《Pediatric Research》。

　　

川崎病(KD)作为一种主要影响儿童的急性血管炎综合征，其最严重的并发症是冠状动脉异常(CAA)的形成。尽管大剂量静脉免疫球蛋白(HD-IVIG)已成为标准治疗方案，但仍有约8%的患者在急性期发生CAA，其中2%会发展为持续性病变。这种治疗反应的差异提示KD可能存在未被认识的疾病异质性。近年来，机器学习辅助的聚类分析在疾病分型中展现出独特价值，Wang H等人曾通过该方法成功区分KD的4种临床亚型。然而，针对CAA高风险群体的特异性分型研究仍属空白。

日本山梨大学医院的研究团队开展了一项突破性研究。他们回顾性分析了2015-2022年间726例KD患者的临床数据，其中103例在发病30天内出现CAA（定义为冠状动脉Z-score>2.5）。研究团队创新性地采用层次聚类算法，基于20项治疗前连续变量（包括年龄、实验室指标和超声心动图参数），对这些高危患者进行了深入分型。

关键技术方法包括：1) 多中心回顾性队列设计，纳入日本山梨县和长野县12家医疗机构的患者数据；2) 标准化治疗协议（2g/kg IVIG联合阿司匹林）；3) 机器学习流程（Spearman相关性筛选变量→数据标准化→主成分分析→层次聚类）；4) 冠状动脉Z-score定量评估体系。

研究结果揭示四个特征鲜明的亚群：
Cluster 1（21.8%）：年轻患儿组，以白细胞增多(WBC 17.3×10³/μL)和高甘油三酯(TG 133mg/dL)为特征，治疗前冠状动脉扩张比例最高（68.1% Z-score>2.0），但对IVIG反应良好。

Cluster 2（31.7%）：最年轻组（中位年龄7个月），突出表现为贫血(Hb 10.5g/dL)和低胆固醇(T-chol 121mg/dL)，需血浆置换比例较高(18.8%)。

Cluster 3（29.7%）：年长组（中位年龄28个月），治疗前冠状动脉扩张最显著（81.3% Z-score>2.0），但CAA消退最快。

Cluster 4（16.8%）：最具特征性组，表现为肝酶升高(AST 139U/L, ALT 136U/L)、低钠(131mmol/L)和IVIG高抵抗率(70.6%)，尽管治疗前冠状动脉扩张最少，但需要最多强化治疗。

这项研究首次系统揭示了KD-CAA患者的内在异质性：Cluster 1和3提示冠状动脉可能早期受累但预后较好；Cluster 2和4则代表需要重点关注的高危群体，特别是Cluster 4与Wang H报道的"肝脏亚型"高度吻合，证实了该表型跨人群的稳定性。研究创新性地提出：对Cluster 4患者应考虑初始联合治疗（如激素或生物制剂），而对Cluster 2患者需密切监测冠状动脉进展。

这些发现不仅深化了对KD病理机制的理解，更重要的是为临床精准分型提供了可操作的生物标志物组合。未来研究可进一步探索各亚群分子特征，验证强化治疗方案在不同亚群中的效益风险比，最终实现KD治疗的个体化突破。