基于可解释机器学习的PFAS暴露与糖尿病风险关联研究：揭示关键生物标志物及非线性效应

推荐：本研究通过12种机器学习算法分析NHANES数据（2003-2018），首次建立PFAS暴露与糖尿病（DM）风险的预测模型。LightGBM表现最佳（AUC=0.84），发现PFOA呈负相关（阈值2.48 ng/mL），PFOS/PFNA呈正相关，并开发了临床风险评估工具，为环境健康策略提供新见解。

　　

糖尿病（Diabetes Mellitus, DM）全球患病率持续攀升，预计2045年患者将达6.93亿，其防治已成为公共卫生重大挑战。近年研究发现，全氟烷基物质（Per- and polyfluoroalkyl substances, PFAS）这类广泛应用于防水防油产品的合成化学物，可能与代谢紊乱相关，但流行病学研究结论矛盾——部分显示PFAS暴露与胰岛素抵抗、血糖指标升高正相关，另一些却报告无显著关联甚至负相关。这种分歧可能源于PFAS种类、暴露水平、人群特征的差异，以及传统统计方法对非线性剂量-响应关系的捕捉不足。

为厘清这一科学问题，中国研究人员利用美国国家健康与营养调查（NHANES）2003-2018年数据，首次采用可解释机器学习（Interpretable ML）技术系统评估PFAS与DM的复杂关联。研究团队比较了12种算法性能，最终选择LightGBM模型（AUC 0.84）进行深入解析，发现关键PFAS化合物呈现截然不同的风险模式：全氟辛酸（PFOA）表现出显著负相关，而全氟辛烷磺酸（PFOS）和全氟壬酸（PFNA）则显示正向关联。这些突破性成果发表于环境健康领域权威期刊《Ecotoxicology and Environmental Safety》。

研究采用三大关键技术：1）基于NHANES队列的10471名参与者数据，通过KNN算法处理缺失值；2）运用LightGBM模型进行特征重要性排序和SHAP（SHapley Additive exPlanations）值解析；3）结合部分依赖分析（Partial Dependence Analysis, PDA）和局部加权散点平滑（LOWESS）曲线揭示非线性关系。

3.1 整体特征
DM组年龄、BMI显著高于非DM组（62.0 vs 47.7岁，32.3 vs 28.8 kg/m²），且PFOA浓度更低（2.78 vs 3.05 ng/mL），PFOS更高（12.8 vs 11.9 ng/mL）。

3.3 机器学习模型比较
LightGBM在12种算法中脱颖而出，测试集AUC达0.84，灵敏度0.83，准确率73%，显著优于随机森林（RF）和XGBoost等模型。

3.4 特征重要性分析
BMI和年龄是最强预测因子，PFOA位列第三且是影响力最大的PFAS化合物，其SHAP值显示持续负向贡献。

3.5 部分依赖分析
PFOA呈现明显"剂量-反应"关系：当浓度低于2.48 ng/mL时，DM风险急剧下降；PFOS和PFNA则显示"J型"曲线，低浓度时风险增幅显著。二维PDP揭示PFOA能中和其他PFAS的协同效应。

3.6 SHAP分析
LOWESS曲线量化关键阈值：PFOA标准化截断值-0.27（实际值2.48 ng/mL），PFOS 0.13（13.26 ng/mL），为临床监测提供精确参考。

3.7 网络风险计算器
基于Gradio框架开发的交互工具（https://huggingface.co/spaces/Machine199710/DM），整合人口统计学、PFAS暴露等参数实现个体化风险评估。

这项研究通过可解释机器学习揭示了传统方法难以捕捉的复杂规律：PFOA的负相关可能与其激活PPAR-α通路改善糖脂代谢有关，而PFOS/PFNA的正相关可能源于氧化应激和线粒体损伤。研究创新性地识别出PFAS混合暴露的阈值效应和交互作用，为环境污染物风险评估提供了新范式。尽管存在横断面设计无法确立因果关系的局限，但开发的在线预测工具可直接服务于临床实践，推动糖尿病预防从"症状管理"向"暴露预防"的范式转变。未来需通过前瞻性队列验证发现，并探索PFAS与其他环境污染物（如重金属、双酚A）的联合效应，为制定精准公共卫生策略提供科学依据。