基于机器学习模型和常规血液标志物的颈动脉易损斑块预测及性别差异研究

本研究针对早期识别颈动脉易损斑块的临床挑战，通过整合30项常规血液指标和衍生指标（如TyG、AIP、NLR等），开发了可预测斑块稳定性的随机森林模型（AUC=0.847）。研究创新性地采用SHAP分析和限制性立方样条模型，揭示了年龄、纤维蛋白原、UHR等关键生物标志物存在显著的性别差异模式，为个性化卒中预防策略提供了新见解。

　　

颈动脉粥样硬化斑块破裂是缺血性卒中的重要诱因，但传统影像学检查存在成本高、操作依赖性强等问题。更棘手的是，男女患者在斑块形成机制和临床表现上存在显著差异，而现有预测模型往往忽视这种性别特异性。如何通过简便的血液检测实现早期风险分层，并揭示性别相关的生物标志物作用规律，成为临床亟待解决的难题。

苏州大学附属苏州医院血管外科的研究团队开展了一项突破性研究。他们回顾性分析了2019-2020年间1701例住院患者的临床数据，这些患者均接受过颈动脉超声检查并被分为稳定斑块（1479例）和易损斑块（222例）两组。研究人员创新性地将30项常规血液指标与10种衍生指标（包括 triglyceride-glucose index TyG、atherogenic index of plasma AIP、neutrophil-to-lymphocyte ratio NLR等）相结合，通过机器学习方法构建预测模型。该成果发表在《Cardiovascular Diabetology》期刊，为无创性卒中风险评估提供了新工具。

研究采用多阶段技术路线：首先通过超声影像学标准界定斑块稳定性；接着运用Spearman相关性分析筛选特征；然后比较5种机器学习算法（随机森林、逻辑回归等）的性能；最终通过SHapley Additive exPlanations SHAP和限制性立方样条RCS模型解析性别差异。所有血液指标均来自入院7天内的空腹样本检测。

模型开发与验证方面，随机森林模型展现出最优性能，测试集AUC达0.847（95%CI 0.791-0.895），特异性89.4%，敏感性64.2%。SHAP分析揭示性别、年龄、纤维蛋白原Fb、NLR和肌酐Cr是前五大预测因子。值得注意的是，衍生指标如uric acid to HDL ratio UHR、systemic inflammation response index SIRI等也进入重要特征行列。

性别差异分析获得突破性发现：男性在肌酐Cr、空腹血糖FBG、UHR等指标上SHAP值显著更高；而女性在年龄、淋巴细胞计数LYM等特征贡献更突出。RCS建模显示，57-79岁年龄段男性风险显著更高（P=0.008），但女性在纤维蛋白原Fb 4.48-6.51 g/L区间风险陡升（P=0.029）。代谢指标呈现明显性别分化：TyG>10.4时女性风险激增（P=0.003），而男性在AIP 0.1-0.8区间风险更高（P<0.001）。

机制探讨方面，研究指出男性易损斑块更多与肾功能标志物（Cr 57.5-93.6 μmol/L区间风险增加）和凝血功能相关；女性则对代谢紊乱更敏感，如UHR>39时风险显著上升（P=0.011）。这种差异可能源于性激素对血管重塑和免疫调节的不同影响。

该研究首次系统证实常规血液标志物对颈动脉斑块稳定性的预测价值存在性别特异性。通过SHAP和RCS的双重验证，不仅建立了高性能预测模型，更揭示了生物标志物作用的动态阈值效应。这些发现为临床实践带来重要启示：对于男性患者应重点关注肾功能和凝血指标，而女性患者需警惕代谢指标的微小变化。这种性别分层策略将推动卒中预防进入精准医学新阶段。

研究的创新性体现在三个方面：首次大规模整合常规血液指标与衍生指标构建预测模型；开创性地应用可解释AI技术解析性别差异；发现生物标志物贡献具有非线性和阈值依赖特性。尽管存在单中心回顾性设计的局限，但该研究为开发经济高效的筛查工具奠定了基础，其性别特异性分析框架也可拓展至其他血管疾病领域。未来研究可通过多中心验证和纳入生活方式因素进一步优化模型，最终实现从"等病治病"到"未病先防"的诊疗模式转变。