基于机器学习的高嗜酸性粒细胞综合征相关嗜酸性粒细胞性慢性鼻窦炎特征分析与筛查

《Journal of Allergy and Clinical Immunology: Global》：Uncovering Key Features of Chronic Rhinosinusitis with Blood and Sinonasal Hypereosinophilia via Machine Learning

　　

摘要

背景

高嗜酸性粒细胞综合征（HES）是一种以血液和组织中嗜酸性粒细胞增多（HE）为特征的疾病。尽管患者具有明显的临床症状，但其诊断和有效治疗仍可能存在延迟。合并嗜酸性粒细胞性慢性鼻窦炎（eCRS）的情况可能有助于HES的诊断；其中，鼻窦嗜酸性粒细胞增多在组织病理学检查中的计数（HPEC）需达到每高倍视野（HPF）10个细胞或以上。然而，目前尚无明确的诊断标准用于界定鼻窦HE。

目的

本研究旨在探讨患有CRS（n=337）的患者中伴有血液和鼻窦HE的关键特征。

方法

首先，使用机器学习（ML）方法（随机森林和决策树）分析了影响HPEC的特征。其次，通过费舍尔精确检验（Fisher’s exact test）研究了与血液HE相关的HPEC阈值。第三，通过单变量分析比较了（i）非eCRS患者、（ii）单纯鼻窦嗜酸性粒细胞增多患者、（iii）鼻窦嗜酸性粒细胞增多患者以及（iv）同时具有血液和鼻窦HE的患者；同时，还使用ML方法比较了（i-iii）与（iv）之间的差异。

结果

血液嗜酸性粒细胞计数被确定为影响HPEC的最重要特征。两个HPEC阈值（60个和70个细胞/HPF）具有统计学意义（p <0.001），并被用作鼻窦HE的候选阈值。单变量分析显示21个特征存在显著差异。以（iv）为参照进行的事后检验表明，与（ii）或（iii）相比，有8个特征存在显著差异。超过60%的（iv）患者表现出无鼻息肉的eCRS（eCRSsNPs）。ML分析发现慢性嗜酸性粒细胞性肺炎（CEP）是（iv）组中最重要的特征。

结论

（iv）组在eCRS患者中表现出独特特征，可被视为eCRS的一种亚型。（iv）组的关键特征——即伴有CEP的eCRSsNPs——可能有助于HES的筛查。

Masaaki Ishikawa|Zhiqian Jiang|Canh Hao Nguyen|Hiroshi Mamitsuka