《Annals of Clinical and Translational Neurology》：Anticoagulation Treatment Response Among Phenotypic ESUS Clusters: Evidence From CASPR
编辑推荐：
摘要专业翻译
目的： 采用因果推断方法评估隐源性栓塞性卒中患者表型聚类间的治疗效应异质性。
方法： 从隐源性栓塞性卒中患者的多中心回顾性队列中，研究人员通过两种方式评估ESUS患者抗凝治疗与抗血小板治疗的效应差异：（1）围绕中心点划分（Partitioning
摘要专业翻译
目的： 采用因果推断方法评估隐源性栓塞性卒中患者表型聚类间的治疗效应异质性。
方法： 从隐源性栓塞性卒中患者的多中心回顾性队列中，研究人员通过两种方式评估ESUS患者抗凝治疗与抗血小板治疗的效应差异：（1）围绕中心点划分（Partitioning Around Medoids, PAM）算法；（2）因果生存森林（causal survival forest）建模。研究人员采用Kaplan–Meier生存分析评估聚类水平与主要结局（卒中复发、大出血或死亡）发生时间之间的关联，以检验聚类间差异。随后，研究人员从因果森林模型中提取SHapley Additive exPlanations（SHAP）特征重要性，以识别候选效应修饰因子。
结果： 在1869例ESUS患者中，提取出三个表型特征显著不同的聚类，各聚类间无事件生存率存在显著差异（log-rank p?<?0.0001）。在总体人群水平上，抗凝治疗相较于抗血小板治疗无显著获益（p?=?0.23）。SHAP特征重要性分析识别出数个候选效应修饰因子；然而，经最佳线性投影（best linear projections, BLP）分析，仅较高的左心室射血分数（LVEF）（β?=??327，95% CI：?580至?74，p?=?0.011）和癌症病史（β?=??226，95% CI：?441至?11，p?=?0.039）是抗血小板治疗相较于抗凝治疗反应性的独立预测因子。表型聚类分配未能显著预测治疗效应异质性。
解读： 隐源性卒中患者中出现了三个表型特征截然不同的聚类，其复合结局风险存在差异，但这些聚类未能预测对抗凝治疗的反应性。然而，LVEF和癌症病史在不同抗栓策略下的结局存在差异。这些发现证明了因果推断方法在识别效应异质性和个体化治疗策略方面的潜力。
论文解读
一、研究背景与目的
随着精准医学时代的到来，临床治疗决策正从基于人群平均效应的宏观推荐逐步转向针对个体特征的精细化制定。然而，在临床实践中，识别治疗效应的异质性——即不同患者对同一治疗是否存在差异化反应——仍然是精准医学的核心挑战之一。在卒中二级预防领域，现有指南主要依赖随机对照试验中预先设定的平均治疗效应分析。传统方法常通过年龄、性别等简化分层变量或事后亚组分析来探索治疗反应差异，但此类方法受统计功效限制，且忽略了患者多重特征与合并症之间的复杂交互作用，可能掩盖具有临床意义的个体化治疗效应差异。
近年来，因果推断与机器学习方法的进步使得对个体化治疗反应的严格估计成为可能。其中，因果森林（causal forest）作为一种估计条件平均治疗效应（conditional average treatment effect, CATE）的强大工具，能够以无监督方式实现数据驱动的个体化治疗效应异质性发现。然而，这些相对新颖方法的统计性质仍存在争议，其在真实临床场景中的应用价值有待验证。
隐源性栓塞性卒中（embolic stroke of undetermined source, ESUS）是一个异质性较强的临床概念，涵盖多种潜在卒中机制与表型。大型随机对照试验（如NAVIGATE ESUS和RE-SPECT ESUS）已表明，在未经选择的ESUS患者中，抗凝治疗相较于抗血小板治疗并无总体获益。但已有亚组分析提示特定患者特征可能存在差异化治疗反应。因此，ESUS是评估个体间抗栓治疗反应差异的理想疾病模型。本研究旨在：（1）探讨是否存在具有临床意义的ESUS表型亚组；（2）评估ESUS患者的个体特征能否预测抗凝与抗血小板治疗的差异化获益，通过结合无监督机器学习聚类与因果生存森林方法实现上述目标，并以此展示现代因果分析方法在临床治疗个体化决策中的系统应用路径。
二、研究设计与方法概述
本研究数据来源于心脏异常与卒中预防及复发（Cardiac Abnormalities in Stroke Prevention and Recurrence, CASPR）研究，这是一项覆盖美国27家学术医疗中心（2015–2024年）的回顾性多中心观察性注册研究。研究纳入1869例符合纳入标准的ESUS患者。主要结局为复发性卒中（缺血性或出血性）、大出血（依据国际血栓与止血学会标准）或全因死亡组成的复合终点。主要暴露为卒中后第7天或出院时（以较早者为准）使用的抗栓治疗方案：抗凝治疗（含或不含抗血小板药物）或单纯抗血小板治疗。
研究采用以下关键技术方法：（1）基于相关加权Gower距离的围绕中心点划分（Partitioning Around Medoids, PAM）聚类算法，纳入21项基线特征构建患者表型聚类，通过轮廓系数确定最优聚类数，并使用Jaccard相似系数进行100次自助抽样验证聚类稳定性；（2）倾向评分调整的因果生存森林（causal survival forest）模型，在800天时间窗内以受限平均生存时间（restricted mean survival time, RMST）差异估计每位患者的条件平均治疗效应（CATE），采用诚实分裂策略（50%数据用于确定树分裂，50%用于估计CATE），并进行了倾向评分重叠性评估、叶节点大小分布与树深度一致性等模型诊断；（3）SHapley Additive exPlanations（SHAP）特征重要性分析，从因果森林模型中提取各协变量对预测CATE的贡献度，以数据驱动方式识别候选效应修饰因子；（4）最佳线性投影（best linear projection, BLP）分析，将个体水平CATE估计投影到预设基线协变量的线性函数上，对SHAP识别的候选效应修饰因子及表型聚类分配进行正式统计检验。
三、研究结果
3.1 样本特征
在CASPR研究2685例患者中，1869例符合纳入标准进入最终分析队列。队列中位随访时间为487天（IQR 129–1054）。平均年龄64岁（SD±15），性别分布均衡（49%女性）。常见血管危险因素包括高血压（70%）和高脂血症（47%），17%患者有卒中史，11%合并癌症诊断。约9.4%接受抗凝治疗，90.6%接受抗血小板治疗。主要复合结局发生于417例患者（22.3%），其中复发性缺血性卒中207例（11.1%），全因死亡206例（11.0%），大出血54例（2.9%）。
3.2 聚类构建与验证
轮廓分析表明最优聚类数为3。PAM聚类算法识别出三个表型特征截然不同的聚类：聚类1（n=568；30.4%）为低风险年轻表型（平均年龄54岁），基线残疾程度最低，合并症负担最低，以男性为主（69%），卵圆孔未闭比例较高；聚类2（n=768；41.1%）为高风险表型（平均年龄73岁），合并症负担居中，以女性为主（81%）；聚类3（n=533；28.5%）为另一高风险表型（平均年龄62岁），血管危险因素负担最高（高血压94%、高脂血症69%、吸烟79%、糖尿病35%），以男性为主（79%）。Kaplan–Meier分析显示三个表型聚类间无事件生存率存在显著差异（log-rank p?<?0.0001），其中聚类2预后最差，证实聚类算法成功识别出具有不同风险谱的临床意义表型。
3.3 治疗效应异质性评估
因果生存森林模型诊断确认了较高的结构稳定性：100%终末节点超过最小规模阈值，中位叶节点规模为234例患者（最小49例）。倾向评分诊断显示稳健的共同支持范围（估计治疗概率0.06–0.19）。与既往研究一致，未观察到抗凝治疗相较于抗血小板治疗的显著总体效应：因果生存森林估计的双重稳健总体平均治疗效应为?25.8天（95% CI：?67.9至16.4；p?=?0.23），提示总体人群中抗凝与抗血小板治疗在受限平均生存时间上无显著差异。
SHAP特征重要性分析识别出四个候选效应修饰因子，按信号强度排序为：LVEF（信号最强，预测效应倾向抗凝获益）、癌症病史（信号强，预测效应相对倾向抗血小板获益）、年龄（中等信号，年轻患者显示相对抗凝获益）。
BLP分析确认了两个预测治疗效应异质性的显著因素：较高的LVEF（β?=??327，95% CI：?580至?74；p?=?0.011）和合并癌症诊断（β?=??226，95% CI：?441至?11；p?=?0.039）与抗凝治疗相较于抗血小板治疗的反应性呈负相关。左心室功能障碍（p?=?0.118）、左心室壁运动异常（p?=?0.317）、年龄（p?=?0.675）和NIHSS（p?=?0.694）均非治疗效应异质性的显著预测因子。重要的是，表型聚类分配未能显著预测治疗效应差异（聚类2对聚类1：β?=?39，95% CI：?63至139，p?=?0.455；聚类3对聚类1：β?=?41，95% CI：?60至142，p?=?0.428），表明尽管表型聚类在预后上具有临床意义的差异，但聚合的患者表型并不能预测哪些患者能从抗凝与抗血小板治疗的差异化选择中获益，而是特定的个体协变量（LVEF和癌症病史）驱动了治疗效应异质性。
四、讨论与结论
讨论总结： 本研究的主要发现之一是表型聚类未能预测治疗效应异质性，即预后预测价值与治疗效应预测价值之间存在不一致性。尽管数据驱动的表型聚类在事件风险上具有明确预后意义（聚类2预后最差），但这些聚类不能预测抗凝治疗的差异化获益。相反，SHAP引导的BLP分析识别出左心室射血分数和癌症病史是驱动治疗效应异质性的协变量。较低的LVEF与抗凝治疗的相对获益相关，其生物学合理性在于射血分数降低促进血液淤滞和血栓形成，而此类机制对抗凝治疗更为敏感。癌症病史则与抗血小板治疗的相对获益相关，研究人员对此持谨慎解读态度，可能反映了抗血小板药物（尤其是阿司匹林）的抗炎和抗血小板聚集特性在癌症相关卒中复发多因素机制中的作用，也可能受未测量的混杂因素影响。研究结果与NAVIGATE ESUS和RE-SPECT ESUS等大型随机对照试验的总体结论一致，即未经选择的ESUS人群中抗凝不优于抗血小板治疗，同时为特定特征患者（如LVEF降低）可能从抗凝治疗中获益提供了来自真实世界数据的佐证。本研究作为因果生存森林建模在临床卒中研究中的概念验证，提供了评估ESUS治疗个体化的方法学模板，展示了该方法在考虑高维预测因子及非线性高阶交互作用方面的优势。研究局限性包括回顾性设计、观察性数据固有的未测量混杂、治疗分配缺乏随机化、治疗意图分析未捕获抗栓药物类别转换、以及完整病例分析可能存在的选择性偏倚等。
结论翻译： 诸如本文所述的现代分析方法可能有助于识别独特的表型患者聚类，这些聚类可为预后判断提供信息，并可能识别出适合个体化抗栓决策的候选患者。这些工具需要在其他外部人群中进行验证，并可在日益发展的精准医学时代得到更广泛的应用。
