慢性炎症性脱髓鞘性多神经根神经病（CIDP）的血浆胆汁酸谱特征及其诊断价值研究

本研究针对慢性炎症性脱髓鞘性多神经根神经病（CIDP）缺乏特异性血液标志物的临床难题，通过液相色谱-质谱技术分析CIDP、吉兰-巴雷综合征（GBS）和健康对照者的血浆胆汁酸（BA）谱，发现GCDCA、GHCA等BA在CIDP中显著升高。基于机器学习构建的诊断模型AUROC达0.929，为CIDP的精准鉴别提供了新型生物标志物。

　　

慢性炎症性脱髓鞘性多神经根神经病（CIDP）是一种与吉兰-巴雷综合征（GBS）相似的获得性免疫介导的周围神经病变，但其诊断长期依赖临床表现和电生理检查，缺乏特异性血液标志物。尽管神经丝轻链（NfL）、胶质纤维酸性蛋白（GFAP）等生物标志物已被探索，其鉴别能力仍有限。胆汁酸（BA）作为具有免疫调节特性的胆固醇代谢产物，在神经免疫中的作用尚未明确。

为解决这一难题，长庚纪念医院（Linkou Chang Gung Memorial Hospital）的研究团队开展了一项突破性研究。他们采用液相色谱-质谱（LC-MS）技术分析了36例初治CIDP患者、70例GBS患者和41例健康对照者的血浆BA谱，并构建机器学习模型评估其诊断价值。研究发现CIDP患者中糖基化鹅去氧胆酸（GCDCA）和甘氨猪去氧胆酸（GHCA）水平显著高于健康对照组（GCDCA：1,306.64 vs. 614.16 nM；GHCA：16.95 vs. 6.04 nM），且与GBS患者相比，CIDP的GCDCA和胆烯酸（CLA）水平也明显升高。通过支持向量机模型和简化决策树算法，研究团队开发出基于4种BA特征的诊断模型，其曲线下面积（AUROC）高达0.929，显著优于传统标志物。

主要技术方法
研究采用横断面设计，从台湾长庚纪念医院招募初治患者队列，通过LC-MS定量46种BA代谢物，结合机器学习（支持向量机、随机森林）进行特征筛选，最终建立基于GCDCA、GHCA、CLA等关键BA的诊断决策树。

研究结果

1. BA谱特征：CIDP患者表现出独特的BA代谢紊乱，尤其是初级BA的糖基化产物显著升高，提示肝脏BA合成和肠道菌群代谢异常可能参与CIDP发病。
2. 诊断模型：简化算法仅需检测GCDCA、GHCA、CLA和牛磺胆酸（TCA）四种BA即可实现CIDP与GBS的高效鉴别（灵敏度86.1%，特异性92.9%）。
3. 机制探讨：BA受体FXR和GPBAR1/TGR5在神经免疫调节中的作用可能解释其与脱髓鞘病变的关联，动物模型中BA信号通路已被证实可缓解神经病理性疼痛。

结论与意义
该研究首次揭示BA谱可作为CIDP的新型诊断标志物，其优势在于：① 突破现有标志物特异性不足的瓶颈；② 为理解CIDP的代谢-免疫机制提供新视角；③ 基于BA的决策树模型便于临床转化。论文发表于《Clinica Chimica Acta》，为开发CIDP的精准诊断工具奠定了重要基础，未来需进一步验证BA动态变化与疾病活动度的相关性。