基于同型半胱氨酸联合血红蛋白功能指标f(Hcy-Hb)的机器学习模型在原发性急性心肌梗死所致心肾综合征中的临床诊断与预后价值

本研究针对心肾综合征(CRS)临床诊断率低、预后评估困难的问题，通过多中心回顾性队列分析构建了整合同型半胱氨酸(Hcy)和血红蛋白(Hb)的机器学习模型f(Hcy-Hb)。研究发现f(Hcy-Hb)对CRS具有显著诊断价值(AUC=0.786)，其构建的列线图模型在训练集和验证集中3/6/9年生存预测AUC达0.840-0.920，为CRS早期预警和个体化治疗提供了新工具。

　　

在心血管疾病领域，急性心肌梗死(AMI)后并发心肾综合征(CRS)一直是临床治疗的难点。随着人口老龄化加剧，这种以心肾功能交互障碍为特征的综合征发病率持续攀升，但现有诊断方法灵敏度不足，且缺乏有效的预后评估工具。更棘手的是，CRS患者往往面临住院周期延长、再入院率增高和死亡率上升的三重威胁，给医疗系统带来沉重负担。

广东医科大学附属医院联合福建医科大学协和医院等四家医疗中心的研究团队，通过分析6169例AMI患者10年随访数据，发现高同型半胱氨酸血症(Hcy)和低血红蛋白血症(Hb)与CRS发生显著相关。基于此，研究团队创新性地构建了融合Hcy和Hb的数学函数f(Hcy-Hb)=0.2439×Hcy+0.002439×Hb-2.409756，并通过机器学习技术开发了预后预测模型。这项重要成果发表在《Journal of Translational Medicine》上。

研究采用多中心回顾性队列设计，收集2010-2019年四家医院6169例AMI患者数据。通过随机生存森林和LASSO回归筛选变量，构建包含f(Hcy-Hb)的列线图模型。关键技术包括：1)基于eGFR(估算肾小球滤过率)的CRS诊断标准；2)机器学习特征选择；3)时间依赖性ROC曲线评估模型性能；4)决策曲线分析(DCA)验证临床效用。

研究结果显示：

1. f(Hcy-Hb)的诊断价值：与eGFR呈显著负相关(r=-0.45)，ROC曲线显示其对CRS的诊断AUC达0.786(95%CI:0.773-0.799)。
   

   

2. 预后分层价值：高f(Hcy-Hb)组中位生存期(47月)显著低于低f(Hcy-Hb)组(53月)，且与不良病理特征相关(P<0.05)。

3. 模型性能验证：列线图模型在训练集和验证集的C-index均达0.86，3年生存预测AUC分别为0.868和0.897。校准曲线显示预测与实际结果高度一致。

4. 临床适用性：相比传统模型，f(Hcy-Hb)-列线图在DCA分析中显示出更优的净获益，尤其在年轻患者中风险预警能力更强(HR=4.76 vs 2.44)。

这项研究首次将Hcy和Hb整合为功能性指标f(Hcy-Hb)，其价值在于：1)当f(Hcy-Hb)≥1.193时提示CRS高风险，为临床早期干预提供客观依据；2)列线图模型操作简便，无需复杂计算即可预测3/6/9年生存率；3)为维生素B补充等针对性治疗提供决策支持。该成果不仅填补了CRS早期诊断的技术空白，更为实现个体化精准医疗开辟了新途径。