基于人工智能流式细胞术的台湾类风湿性关节炎患者免疫细胞图谱特征分析

《Journal of Leukocyte Biology》：Characterizing immune cell profiles of patients with rheumatoid arthritis in Taiwan using artificial intelligence–based cytometric approaches

本研究针对类风湿性关节炎（RA）诊断存在灵敏度（73.5%）和特异性（60%）不足、约30%患者血清学标志物（ACPA/RF）呈阴性的临床挑战，采用人工智能辅助的流式细胞术对21例新发RA患者和21例健康对照的104个免疫细胞亚群进行系统性分析。研究发现16个显著差异的免疫细胞亚群，其中MHC II+单核细胞、CTLA4+CD4+调节性T细胞和嗜酸性粒细胞被AI模型识别为RA关键标志物，模型区分RA与健康对照的敏感性和特异性达100%。该研究为RA精准诊断提供了新的免疫细胞谱（ICP）生物标志物体系。

　　

在自身免疫疾病领域，类风湿性关节炎（Rheumatoid Arthritis, RA）如同一场隐秘的"免疫风暴"，全球患病率正以每年上升的趋势困扰着约3170万患者。尽管现代医学已开发出从传统合成疾病修饰抗风湿药物（DMARDs）到生物制剂的多重武器，但临床仍面临三大困境：现行基于关节计数和自身抗体（ACPA/RF）的诊断标准存在约30%的血清阴性漏诊风险；6%-21%的难治性患者对现有治疗应答不佳；疾病活动度评估工具依赖宏观症状和炎症指标，无法实时捕捉免疫系统的动态变化。这些挑战如同迷雾般阻碍着RA的精准诊疗，促使科学家将目光投向免疫系统的核心——免疫细胞谱（Immune Cell Profile, ICP）。

发表于《Journal of Leukocyte Biology》的最新研究开创性地将人工智能与流式细胞术深度融合，对台湾地区新发RA患者展开系统性免疫解码。研究团队招募21例未接受DMARDs治疗的RA患者和21例健康对照，通过10毫升外周血样本构建104个免疫细胞亚群的分析图谱。技术方法核心包括：流式细胞术多参数检测（覆盖粒细胞、T/B细胞、天然免疫细胞等谱系）、逻辑回归算法构建AI分类模型、SHAP解释模型识别关键生物标志物。

患者表现为活化状态的体液免疫与天然免疫

在B细胞谱系中，边缘区B细胞（p=0.01）和IgM^hiB细胞亚群（p<0.0001）比例显著升高，而记忆B细胞比例下降（p=0.001），这与76%患者ACPA阳性和67%RF阳性的血清学特征相互印证。天然免疫方面，CD11b⁺谱系细胞（包含单核/巨噬细胞）和单核细胞总体比例上升，但嗜酸性粒细胞显著减少（p=0.001），提示炎症细胞向滑膜组织的迁移。

RA患者呈现代偿性增强的T细胞与NK细胞耐受机制

调节性T细胞（Treg）分析显示，CTLA4⁺CD4⁺Treg（p=0.003）、FoxP3⁺CD4⁺Treg（p=0.02）及其CTLA4⁺亚群（p=0.009）比例均升高。PD-L1⁺NK细胞（p=0.03）和CD8⁺NKT细胞（p=0.02）以及MHC II⁺CD4⁺/CD8⁺T细胞比例的增加，共同构成抑制过度炎症的免疫检查点网络。错误发现率（FDR）校正后，IgM^hiB细胞、单核细胞、嗜酸性粒细胞等6个亚群仍保持显著差异（调整后p<0.05）。

嗜酸性粒细胞、单核细胞与CTLA4⁺CD4⁺Treg细胞成为RA识别关键指标

AI模型通过三次重复训练验证，逻辑回归算法实现100%分类准确度（AUC=1.0）。SHAP分析揭示MHC II⁺单核细胞、CTLA4⁺CD4⁺Treg和嗜酸性粒细胞是贡献度最高的三大特征。分层10折交叉验证中优化模型仍保持0.95的F1分数和0.9773的AUC，证实模型稳健性。

讨论部分指出，循环中嗜酸性粒细胞和MHC II⁺单核细胞的减少可能源于RA滑膜中IL-4/IL-13介导的趋化作用，这种异常迁移在炎症性肠病等自身免疫病中表现为抑炎作用，可能与M2型巨噬细胞极化相关。该研究首次将AI模型应用于RA蛋白质组学规模的ICP数据解读，相较于既往依赖影像学或基因组学的AI诊断研究，开辟了免疫细胞动态监测的新维度。

结论强调，该研究通过高维免疫图谱绘制揭示RA患者存在天然免疫、体液免疫及免疫耐受通路的协同紊乱，其中MHC II⁺单核细胞、CTLA4⁺CD4⁺Treg和嗜酸性粒细胞构成的生物标志物组合，为难治性RA的早期诊断和治疗监测提供了新视角。未来需通过扩大样本量、纳入其他关节炎疾病对照及纵向治疗随访，进一步验证这些免疫特征的临床转化价值。