《Frontiers in Neurology》：Routine laboratory biomarker signature combined with machine learning for rapid differentiation of intracerebral hemorrhage from acute ischemic stroke
编辑推荐：
背景： 快速可靠地区分脑出血（ICH）与急性缺血性脑卒中（IS）对于恰当的分诊和治疗至关重要。本研究旨在利用常规临床化学和血液学参数，开发并验证一种基于实验室指标的机器学习模型，以区分ICH与IS。
方法： 研究人员回顾性分析了2013年至2023年间西京医院
背景： 快速可靠地区分脑出血（ICH）与急性缺血性脑卒中（IS）对于恰当的分诊和治疗至关重要。本研究旨在利用常规临床化学和血液学参数，开发并验证一种基于实验室指标的机器学习模型，以区分ICH与IS。
方法： 研究人员回顾性分析了2013年至2023年间西京医院12,213例住院脑卒中患者（包括3,251例ICH和8,962例IS）及2,893例高血压对照者的临床和实验室数据。同时建立了由2024年1月至12月入院的153例ICH和342例IS患者组成的时间验证队列。为解决类别不平衡问题，采用了BorderlineSMOTE-2（BS2）方法。通过三种特征选择策略（包括RFECV-ADA、Lasso和Boruta）筛选候选变量。使用十折交叉验证训练六种监督式机器学习模型。模型性能通过受试者工作特征曲线下面积（AUC）、敏感性、特异性和准确性进行评估。使用SHAP分析解释特征重要性。孟德尔随机化和共定位分析作为探索性补充分析进行。
结果： 共保留十项常规实验室参数用于模型构建：白细胞计数、中性粒细胞百分比、胱抑素C、尿酸、总蛋白、钾、钠、氯、纤维蛋白（原）降解产物和D-二聚体。在测试队列中，最终模型（BS2_LightGBM_V10）区分ICH与IS的AUC达0.926，区分ICH与对照者的AUC达0.979，区分IS与对照者的AUC达0.923。在三分类任务（ICH、IS和对照者）中，总体准确率达到79.07%。SHAP分析显示，中性粒细胞百分比、胱抑素C、D-二聚体和总蛋白是最具影响力的预测因子。孟德尔随机化分析提示，尿酸与ICH风险存在潜在因果关联（OR = 1.309），而尿酸（OR = 1.0008）、胱抑素C（OR = 1.0011）和钾（OR = 1.0040）与IS风险存在潜在因果关联。共定位分析在ICH背景下鉴定了18个与尿酸相关的基因。
结论： 基于十项常规实验室指标的诊断模型能够准确区分ICH与IS。尿酸可能在两种疾病的发病机制中均发挥因果作用。
论文解读
一、研究背景与意义
脑卒中是中国的首位死因和全球第二大死因，每年全球新增卒中患者超过1,200万例，死亡近700万例。在中国，缺血性脑卒中（IS）约占首发卒中的65.3%，而脑出血（ICH）约占所有卒中的28.8%，且死亡率极高，达67.9%。高血压是卒中最重要的危险因素之一，约占ICH病例的65%。由于ICH与IS在病理生理机制上存在根本差异，两者的临床表现、治疗策略、预防措施和流行病学特征均有显著不同。尽管非对比CT目前能以相对较高的灵敏度快速区分ICH与IS，但其临床应用受限于设备成本高昂以及对专业放射技师和判读医师的依赖。因此，亟需开发一种不依赖大型影像设备、基于常规可获得的血液生物标志物和临床参数的预测模型。机器学习技术为疾病预测、诊断和治疗策略优化提供了新的研究方向，但既往研究中尚缺乏基于常规实验室指标快速区分ICH与IS的经济有效的预测模型。本研究旨在利用常规可及的实验室指标开发机器学习预测模型以区分卒中亚型，并通过孟德尔随机化（MR）和共定位分析探索候选指标影响ICH和IS风险的潜在机制。
二、研究设计与主要技术方法
研究人员采用回顾性队列设计，收集了2013年1月至2023年12月西京医院神经内科和神经外科收治的3,251例ICH患者和8,962例IS患者作为研究队列（队列1），另纳入2,893例单纯高血压个体作为对照。时间验证队列（队列2）包含2024年1月至12月入院的153例ICH和342例IS患者。所有模型构建相关的数据预处理和训练操作（包括归一化、KNN缺失值插补、特征工程、超参数优化、交叉验证和重采样）均严格在队列1内进行，队列2作为独立时间验证集未参与模型构建。主要技术方法包括：两阶段渐进式特征筛选策略（第一阶段采用互信息（MI）和Spearman秩相关系数进行粗筛，第二阶段整合RFECV-ADA、Boruta和Lasso三种算法进行精筛）；八种重采样技术（包括RU、NM、CC、ENN四种欠采样方法及ADASYN、BS1/2、SMOTE四种过采样方法）以解决类别不平衡问题；六种机器学习算法（AdaBoost、决策树（DT）、逻辑回归（LR）、XGBoost、梯度提升决策树（GBDT）和LightGBM）结合十折交叉验证构建预测模型；SHAP分析用于模型可解释性；基于PyQt5框架开发图形用户界面（GUI）；双样本孟德尔随机化分析（采用IVW、MR-Egger、加权中位数、简单模式和加权模式五种方法）及共定位分析作为探索性补充分析。
三、主要研究结果
临床特征分析： 共纳入47项实验室指标（缺失率严格低于30%），ICH与IS组间存在显著差异。ICH组白细胞计数（WBC）和中性粒细胞百分比（NEUT%）显著高于IS组；IS组尿酸（UA）和胱抑素C（CysC）水平显著升高；IS组钾、钠、氯离子水平普遍升高；而纤维蛋白（原）降解产物（FDP）和D-二聚体水平在IS组中趋于降低。
特征筛选结果： 通过两阶段筛选策略，最终确定10项核心特征：WBC、NEUT%、CysC、UA、总蛋白（TP）、钾（K?）、钠（Na?）、氯（Cl?）、FDP和D-二聚体。特征间相关性热图显示D-二聚体与FDP呈强正相关，其余特征间相关性较弱。
模型性能评估： 在测试队列中，BS2_LightGBM_V10模型区分ICH与IS的AUC达0.926，敏感性83.82%，特异性87.17%，F1分数85.25%。该模型区分ICH与对照者的AUC达0.979，区分IS与对照者的AUC达0.923。三分类任务（ICH、IS、对照）的总体准确率达79.07%。
时间验证队列结果： 在独立时间验证队列中，模型区分IS与ICH的AUC为0.902，准确率82.8%，F1分数83.9%，敏感性89.5%，特异性76.1%。校准评估显示Brier分数为0.1354，校准斜率为0.88，校准截距为0.20，校准曲线基本沿45°对角线分布，表明模型预测概率与观测频率具有良好一致性。
SHAP可解释性分析： 密度图显示NEUT%值较低的个体被诊断为IS的概率较高，而K?值较高的个体更可能被诊断为IS。影响力排名前五的特征为NEUT%、CysC、D-二聚体、TP和Na?。
孟德尔随机化分析： IVW分析显示，UA与ICH风险存在潜在因果关联（OR = 1.309，p < 0.001），UA（OR = 1.0008，p = 0.027）、CysC（OR = 1.0011，p = 0.015）和K?（OR = 1.004，p = 0.032）与IS风险存在潜在因果关联。敏感性分析（Cochran's Q检验、MR-Egger截距检验、MR-PRESSO检验和留一分析）均未发现显著异质性或水平多效性，证实因果推断的可靠性。
共定位分析： 共定位分析显示血清UA与ICH在12号染色体特定基因座共享因果遗传变异（PP.H4 > 0.8），在该基因座内注释了18个蛋白编码基因，包括CCDC63、ALDH2、PTPN11、MYL2、MAPKAPK5、RPH3A、CUX2、TMEM116、PHETA1、ERP29、SH2B3、NAA25、ATXN2、TRAFD1、BRAP、HECTD4、ACAD10和RPL6。
四、讨论与结论总结
讨论部分指出，WBC和NEUT%在ICH患者中显著升高，反映了ICH后更明显的急性炎症反应；CysC在IS患者中趋于升高，与其慢性肾脏损伤危险因素发生率增加相关；UA与动脉粥样硬化、氧化应激和炎症级联密切相关，是IS的危险因素；FDP和D-二聚体在ICH组显著升高，可能归因于血管破裂引发的凝血系统过度激活和继发性纤溶亢进；电解质分析显示ICH更常并发低钠血症和低钾血症。LightGBM作为GBDT框架的高效变体，通过GOSS、EFB和直方图算法等计算优化，在计算效率和内存消耗方面显著优于传统GBDT实现。研究开发的PyQt5可视化平台提供用户友好的图形界面，其作用是为实验室数据驱动的决策提供支持，而非替代神经影像作为独立诊断确认工具。研究局限性包括：时间验证尚不能替代真正的外部验证；病例-病例设计及缺乏卒中模拟病例限制了模型在急诊全谱系中的适用性；队列缺乏卒中严重程度评估、TOAST病因分型和病灶参数的完整数据；首次血样采集是否在诊断影像和治疗之前尚不确定；入院至首次采样的时间不确定性可能影响时间依赖性生物标志物的稳定性；开发周期较长可能涉及实验室平台和临床实践的潜在变化。
结论： 本研究开创性地整合十项常规实验室生物标志物构建了BS2_LightGBM_V10预测模型。在时间验证队列中验证时，该模型在区分ICH和IS方面表现出较高的判别效能，可作为辅助亚型区分的工具。
