基于机器学习的葡萄糖/白蛋白比值(GAR)预测冠心病患者缺血性卒中风险的研究

本研究针对冠心病(CHD)患者并发缺血性卒中(IS)的风险预测难题，通过机器学习方法首次证实葡萄糖/白蛋白比值(GAR)可作为独立预测指标。研究人员回顾性分析1,885例CHD患者数据，采用Boruta算法特征选择和MLP模型构建，发现GAR与IS风险显著相关(AUC=0.81)，为临床早期风险分层提供了新思路。

　　

在心血管疾病防治领域，冠心病(CHD)与缺血性卒中(IS)这对"难兄难弟"始终困扰着临床医生。这两种疾病不仅共享高血压、糖尿病等危险因素，更有着相似的病理基础——动脉粥样硬化。据统计，CHD患者发生IS的风险是普通人群的2-3倍，但现有预测模型往往忽略了生物标志物的协同作用。尤其令人困扰的是，临床上缺乏简便有效的指标来识别高危患者，这直接影响了预防措施的精准实施。

针对这一临床痛点，恩施土家族苗族自治州中心医院的研究团队开展了一项创新性研究。他们独辟蹊径地关注葡萄糖与白蛋白的比值(GAR)——这个看似简单的指标实则蕴含深意：血糖升高会加剧氧化应激和血脑屏障破坏，而低白蛋白则削弱抗氧化防御能力，二者协同可能放大血管损伤风险。研究人员猜想，GAR或许能成为预测IS风险的"晴雨表"。

这项发表在《BMC Cardiovascular Disorders》的研究采用了机器学习前沿技术。团队回顾性收集了2022-2024年间1,885例CHD患者的临床数据，通过Boruta算法筛选关键特征，构建多层感知器(MLP)预测模型。为验证模型可靠性，采用SHAP值解析特征重要性，并通过部分依赖图(PDP)揭示变量间交互作用。所有统计分析均使用Python 3.9和R 4.3.2完成，严格把控数据质量。

研究结果呈现多个重要发现：

基线特征差异显著
IS组患者平均年龄较非IS组高出6岁(70 vs 64岁)，高血压(72.1% vs 49.7%)和糖尿病(33.2% vs 19.3%)患病率显著更高。冠状动脉病变方面，IS组三支病变(46.3% vs 37.6%)和右冠状动脉病变(78.4% vs 66.7%)更为常见。实验室检查显示IS组淋巴细胞(1.38 vs 1.48×10⁹/L)和血小板(184 vs 194×10⁹/L)计数显著降低，而GAR水平明显升高(0.17 vs 0.14)。

模型开发与验证

特征选择显示GAR、高脂血症、高血压病史等变量最具预测价值。MLP模型在训练集表现优异(AUC=0.81)，验证集AUC为0.66。校准曲线显示预测概率与实际观察值高度吻合，证明模型稳健可靠。

模型解释与可视化

SHAP分析揭示年龄、高血压史、GAR和总胆固醇是影响IS风险的核心因素。值得注意的是，GAR对模型输出的贡献度位居前三，其升高与IS风险呈明确正相关。PDP分析进一步证实，无论其他变量如何变化，GAR升高始终增加IS发生概率。

讨论与展望
这项研究首次证实GAR是CHD患者发生IS的独立预测因子，其预测价值可能源于血糖和白蛋白的双重病理生理作用：高血糖通过氧化应激和神经炎症加重缺血损伤，而低白蛋白则削弱血管保护功能。与传统单一指标相比，GAR整合了代谢和营养状态信息，更全面反映患者血管脆弱性。

研究的临床意义在于为IS风险预警提供了简便可靠的生物标志物。医生通过常规检测即可获得GAR值，无需额外检查负担。但需注意，作为回顾性研究，结论需在前瞻性队列中验证。未来研究可探索GAR指导下的个体化干预策略，如强化血糖控制或营养支持能否降低高危患者IS发生率。

这项研究的创新点在于：首次量化评估GAR对IS的预测价值；采用SHAP和PDP等先进解释方法揭示变量关系；为CHD患者的卒中预防提供了新思路。尽管存在单中心、样本量有限等局限，但其发现为心血管和脑血管疾病的联防联控开辟了新途径。