HDL-C联合常规临床及实验室指标构建机器学习模型辅助早期鉴别溃疡性结肠炎与克罗恩病

《Lipids in Health and Disease》：Association of high-density lipoprotein cholesterol and routine laboratory indices with early differentiation of ulcerative colitis and Crohn’s disease: a multicenter cohort study

　　

摘要

背景

在完整评估尚未可用的情况下，在诊断路径早期区分溃疡性结肠炎（UC）与克罗恩病（CD）仍然具有挑战性。本研究评估了高密度脂蛋白胆固醇（HDL-C）结合常规临床和实验室指标是否有助于区分溃疡性结肠炎与克罗恩病。

方法

本回顾性研究纳入了来自三个中心的783名患者，其中502名位于开发队列，281名位于两个外部验证队列。使用带交叉验证的递归特征消除（RFECV）缩小候选变量范围。对支持向量机（SVM）分类器进行了区分能力、校准和临床净获益评估，并使用Shapley加法解释（SHAP）评估特征贡献。

结果

最终模型包含年龄、每日排便频率、白细胞（WBC）计数、血小板计数和HDL-C。在合并外部队列中，SVM的受试者工作特征曲线下面积为0.834；准确率、灵敏度和特异度分别为0.769、0.525和0.950。SHAP值显示，随着排便频率、年龄、WBC和HDL-C的增加，预测一般倾向于UC；随着血小板计数的增加，预测倾向于CD。HDL-C提供了超出其他四个变量的额外信息。

结论

基于五项易得指标构建的模型在参与中心之间区分了UC与CD，可辅助早期分流。其HDL-C成分可能反映了代谢和炎症方面的差异，但该预测是内镜检查、组织病理学和影像学的补充，而非替代。在线计算器可在以下地址获取：https://uc-vs-cd-predictor-a3fq3ocovi7pagqpwjwh4m.streamlit.app/。