《Frontiers in Endocrinology》：Targeted cystatin C testing for large negative eGFR discordance in adults with diabetes: development and external validation of a machine-learning model
编辑推荐：
背景：胱抑素C（cystatin C）与肌酐（creatinine）估算肾小球滤过率（eGFR）之间的大幅负向不一致，可能揭示仅凭肌酐无法察觉的、具有临床相关性的肾功能差异。在全面开展胱抑素C检测不切实际的情况下，建立一种优先筛选需追加检测患者的方法可能提高检
背景：胱抑素C（cystatin C）与肌酐（creatinine）估算肾小球滤过率（eGFR）之间的大幅负向不一致，可能揭示仅凭肌酐无法察觉的、具有临床相关性的肾功能差异。在全面开展胱抑素C检测不切实际的情况下，建立一种优先筛选需追加检测患者的方法可能提高检测效率。方法：研究人员开展了一项针对糖尿病成人患者的两中心回顾性研究。大幅负向eGFR不一致（D2）定义为eGFRcys/eGFRcr <0.70。在由1,170名参与者（214例D2阳性）组成的开发队列中评估了七种机器学习算法，随后进行SHAP引导的特征精简。最终模型被原封不动地应用于由1,619名参与者（112例D2阳性）组成的独立外部验证队列。模型性能与预设的临床核心变量组（年龄、性别和eGFRcr）进行比较；附加分析评估了仅使用eGFRcr或联合血尿素氮与白蛋白的逻辑回归。采用基于模型的风险排序，评估了预设的10%–50%胱抑素C检测分配比例。结果：最终九预测因子XGBoost模型在开发队列中达到AUROC 0.863（95% CI，0.833–0.889）和AUPRC 0.600（95% CI，0.532–0.668）。在独立外部验证中，AUROC为0.806（95% CI，0.769–0.840），AUPRC为0.258（95% CI，0.193–0.337），而临床核心变量组分别为0.661和0.126。在20%检测分配比例下，风险引导检测在开发队列中识别出61.2%的D2病例，在外部验证中识别出55.4%，相对于随机检测的富集倍数分别为3.06倍和2.77倍。在外部验证的这一分配比例下，XGBoost识别出62例D2病例，而三变量模型识别出43例（召回率差异为17.0个百分点；95% CI，8.6–27.2）。然而，原始外部概率高估了D2风险（平均预测概率为29.9%，而观察患病率为6.9%），且Brier评分高于临床核心变量组（0.144 vs. 0.130）。结论：在两个接受配对检测的糖尿病成人队列中，常规临床实验室数据支持对大幅负向eGFR不一致进行优先筛查。基于模型的排序可能有助于在类似环境中靶向开展胱抑素C检测，但原始概率在用于基于阈值的决策前需要本地校准，且在临床实施前需要进行前瞻性评估。
**研究背景与问题提出**
慢性肾脏病（chronic kidney disease，CKD）的评估中，肾小球滤过率（glomerular filtration rate，GFR）与白蛋白尿的测定居于核心地位。基于肌酐的估算肾小球滤过率（creatinine-based estimated glomerular filtration rate，eGFRcr）在常规诊疗中易于获得，但肌酐的非GFR决定因素会影响其解读。胱抑素C（cystatin C）可提供补充信息，尽管其同样受非GFR因素影响。KDIGO指南倾向于在胱抑素C可及时采用肌酐-胱抑素C联合估算方程进行GFR分期，尤其在eGFRcr准确性较低且GFR影响临床决策时。然而，较低的基于胱抑素C的eGFR（cystatin C-based eGFR，eGFRcys）并不能确定哪一种估算值更接近实测GFR；当eGFRcr与eGFRcys不一致时，肌酐-胱抑素C联合方程通常比任一单标志物估算更准确。
eGFRcr与eGFRcys之间的不一致具有预后意义。近期的个体水平与汇总荟萃分析已将大幅负向不一致与更高的死亡、心血管事件、心力衰竭和肾衰竭风险相关联，一项大型常规诊疗队列也报告了跨多种不良结局的类似关联。糖尿病患者队列研究进一步将两种估算值之间的差异与微血管并发症及新发白蛋白尿相联系。这些发现为识别可能出现大幅负向eGFR不一致的患者提供了临床依据。当胱抑素C检测能力受限时，一个实际问题是应优先检测哪些人群。近期临床指南与综述文献认识到，检测方法的可及性与实施障碍可能限制胱抑素C的更广泛应用。Peralta等开发并外部验证了一种用于隐匿性eGFR降低的评分，并评估了不同检测分配比例下的病例检出比例；一项UK Biobank研究对肌酐与胱抑素C估算eGFR之间差异的患病率及预测因素进行了建模。更广泛而言，近期聚焦糖尿病的机器学习研究显示，常规临床与实验室变量可支持糖尿病肾脏病及相关肾脏表型的识别或风险预测。这些研究为预测引导的检测奠定了基础，但其针对的肾脏表型与人群不同。因此，针对糖尿病患者的、关于显著相对eGFR不一致的评估，可阐明一个紧凑的常规实验室模型能否在不同医院环境中保持性能，并在有限检测分配内集中识别受累患者。
因此，研究人员开发并独立外部验证了一个用于糖尿病成人大幅负向eGFR不一致的机器学习模型，该表型预先定义为eGFRcys/eGFRcr <0.70。预期应用是利用常规诊疗中可获得的人口学与实验室信息对胱抑素C测定进行优先排序。研究人员将最终模型与由年龄、性别和eGFRcr组成的临床核心变量组进行比较，刻画模型行为，并量化预设检测分配比例下的病例捕获、检测产出与富集程度。研究人员还考察了模型选中但不符合主要不一致定义者中的相关肾脏表型。
**主要关键技术方法**
本研究为回顾性两中心研究，纳入年龄≥18岁、有临床糖尿病诊断记录且具备配对血清肌酐与胱抑素C测定值的成人。开发队列于2022年5月1日至2023年11月30日在皖北医院组建；独立外部验证队列取自安徽医科大学第一附属医院2024年可获得的临床记录。两中心均使用Atellica CH 930分析仪（Siemens Healthineers）于同一血标本测定肌酐与胱抑素C。建模评估了七种分类算法（逻辑回归、支持向量机、k近邻、决策树、随机森林、XGBoost与LightGBM），采用分层五折交叉验证（随机种子42），以平均精度即精确率-召回率曲线下面积（area under the precision–recall curve，AUPRC）为预设主要选择指标，随后进行SHAP引导的特征精简；最终模型锁定后原封不动应用于外部队列，并以2,000次患者水平bootstrap重抽样估计置信区间，另开展校准分析、决策曲线分析与基于排序的靶向检测分配分析。
**研究结果**
研究人群与基线特征：符合表型条件者开发来源2,012人、外部来源1,775人，经预设建模资格规则与质量控制后，最终队列分别为1,170人与1,619人。D2在开发队列中214人（18.29%）、外部112人（6.92%）。开发队列中D2阳性者较阴性者年龄更大（中位69 vs 55岁），血红蛋白（122 vs 138 g/L）、白蛋白（40.85 vs 44.10 g/L）与eGFRcr（92.42 vs 110.03 mL/min/1.73 m2）更低，血尿素氮更高（7.39 vs 5.68 mmol/L），男性比例相近。外部验证队列在年龄、血红蛋白、白蛋白与eGFRcr上呈现相同总体模式。
模型开发与最终预测因子选择：在28变量全特征池下，XGBoost、随机森林与LightGBM开发性能最强，XGBoost的AUROC为0.854、AUPRC为0.584、Brier评分为0.106。因AUPRC为主要选择指标，XGBoost与随机森林进入SHAP引导的特征精简。特征数精简显示两种候选模型均存在较宽的性能平台期，XGBoost暂定的最小近最优面板含8个预测因子。经10次重复配对分层五折交叉验证比较，九预测因子面板在全部10次重复中改善AUROC、10次中9次改善AUPRC、10次中7次改善Brier评分，支持保留碱性磷酸酶作为第九个预测因子。最终XGBoost模型纳入年龄、性别、eGFRcr、血红蛋白、血小板计数、血尿素氮、白蛋白、碱性磷酸酶与葡萄糖，在开发队列中AUROC为0.863、AUPRC为0.600、Brier评分为0.102；临床核心变量组相应为0.791、0.461与0.122。
独立外部验证：最终九变量XGBoost模型在外部队列中保持判别力，AUROC为0.806、AUPRC为0.258；临床核心变量组AUROC为0.661、AUPRC为0.126。配对差异为AUROC +0.145、AUPRC +0.132。原始外部Brier评分为0.144，临床核心变量组为0.130。外部AUPRC低于开发队列与较低的D2患病率同时出现。在外部达到至少80%灵敏度的操作点上，XGBoost特异度为70.0%，临床核心变量组为35.4%。基于原始外部概率的决策曲线分析在探索性0–12%阈值概率显示范围内未显示一致的阳性净获益。尽管排序性能可外推，原始概率高估了绝对D2风险：平均预测概率29.9%，观察患病率6.9%，校准截距?2.209、斜率0.848、整体校准?2.250。事后五折交叉拟合本地再校准评估中，校准截距为?0.039、斜率为0.981、Brier评分为0.058；该本地适配评估未重新训练XGBoost模型，也不构成第二次独立外部验证。
模型解读：全局SHAP分析显示eGFRcr对模型输出贡献最大（平均绝对SHAP值0.887），其后依次为血尿素氮（0.354）、白蛋白（0.292）、血小板计数（0.289）、血红蛋白（0.244）、葡萄糖（0.203）、碱性磷酸酶（0.193）、年龄（0.186）与性别（0.077）。依赖图显示若干预测因子呈明显非线性行为；较高的eGFRcr通常使模型输出偏向D2阴性预测，较高的血尿素氮在达到平台前倾向于使预测偏向D2阳性；较低的白蛋白与较低的血小板计数通常对应正向SHAP贡献，较高的血红蛋白值倾向于使输出偏向D2阴性；年龄在较高值时呈总体正向贡献。这些模式描述拟合模型如何使用预测因子，不作因果效应或临床阈值解读。
靶向胱抑素C检测：基于风险的优先排序在固定胱抑素C检测分配下显著富集D2检出。在预设20%检测分配比例下，开发队列选出234人并识别出214例D2中的131例，召回率61.21%、检测产出55.98%、相对随机检测富集3.06倍，相当于每检出1例D2需1.79次胱抑素C检测。外部验证队列中检测排名最高的20%（323人）识别出112例D2中的62例，召回率55.36%、检测产出19.20%、富集2.77倍，每检出1例D2需5.21次检测。在10%至50%分配范围内，D2召回率在开发队列由37.38%升至92.52%、外部由34.82%升至89.29%，同时检测产出与富集逐步下降，体现病例捕获与检测效率之间的预期权衡。在外部相同20%分配下，临床核心变量组、仅eGFRcr逻辑模型与三变量逻辑模型分别检出42例（37.5%）、30例（26.8%）与43例（38.4%）D2病例，而XGBoost检出62例（55.4%）；XGBoost与三变量模型的配对召回率差异在外部为+17.0个百分点，而在开发队列仅为+1.9。
模型选中者的肾脏表型特征：采用固定的前20%检测分配，按观察D2状态与模型选择将参与者分为四组。在D2阴性者中，被模型选中者在两队列中一致呈现相关胱抑素C肾脏表型更高的患病率：开发队列中D1（eGFRcys ? eGFRcr ≤?15 mL/min/1.73 m2）在模型阳性者中为28.16% vs 模型阴性者14.65%（绝对风险差+13.50个百分点）、D3（eGFRcr ≥60 mL/min/1.73 m2者中eGFRcys <60 mL/min/1.73 m2）为10.53% vs 0.24%（+10.29个百分点），eGFRcys <60 mL/min/1.73 m2亦呈类似模式。连续肾脏指标呈相同模式：D2阴性者中eGFRcys中位差（模型阳性减模型阴性）在开发队列为?40.80 mL/min/1.73 m2、外部为?32.78 mL/min/1.73 m2，eGFRcys?eGFRcr中位差分别为?8.53与?5.92 mL/min/1.73 m2，胱抑素C浓度分别高0.30 mg/L与0.24 mg/L。补充分析中，完整病例评估外部AUROC为0.812，均值插补敏感性模型外部AUROC为0.805；原始冻结D2评分识别D1的AUROC在开发队列为0.778、外部为0.731。在30–365天后有另一次有效配对测定的选择性复测者中，D2状态一致率在开发队列为66.1%（n=59；κ=0.175）、外部为86.8%（n=53；κ=0.457）。
**讨论与结论**
讨论指出，在该两中心糖尿病成人研究中，基于常规人口学与实验室数据的九预测因子模型在大幅负向eGFR不一致方面，于开发队列与独立外部验证队列中均较年龄-性别-eGFRcr临床核心变量组表现出更好的判别力与精确率-召回率性能。更重要的是，模型排序转化为实用的检测优先排序策略：将胱抑素C测定限制于排名最高的20%可识别开发队列61.2%、外部55.4%的D2病例。在不符合主要D2定义者中，被模型选中者在两队列中同样富集相关胱抑素C肾脏表型。这些发现支持在全面检测不切实际时以风险引导方式优先进行胱抑素C测定，同时保留胱抑素C测定作为确认不一致表型所必需的检测。模型似乎整合了eGFRcr所含的结构性信息与常规实验室指标的额外信号；eGFRcr为最主要的SHAP贡献者，这在其数学上嵌入D2定义的情况下属预期结果，不应解读为独立的生物学危险因素。模型的主要临床应用是检测优先排序而非诊断；在说明性的20%检测分配下，模型在开发与外部验证中分别识别61.2%与55.4%的D2病例，富集3.06倍与2.77倍。10%–50%分配范围内的性能体现了预期的资源权衡，使检测强度可依据本地实验室能力调整，而非强加单一概率阈值。外部验证结果还区分了患者排序的外推与绝对预测概率的外推：尽管D2患病率差异明显，模型仍保持有用的判别力并在相同基于排序的检测分配下持续富集D2病例；相反，原始外部概率系统性高估绝对D2风险，原始外部Brier评分显示更好的判别力并未转化为更低的总体概率误差，事后交叉拟合逻辑再校准在不重新训练模型的情况下显著改善本地校准，但应视为本地校准评估而非额外的独立验证。局限性包括：研究为回顾性，开发队列中超参数选择与合并的折外评估使用同一五折划分，开发估计代表模型选择性能而非独立内部验证；D2及相关肾脏表型基于单次配对测定，不能确立慢性化确诊的CKD，且无实测GFR；eGFRcr数学上嵌入D2定义并同时作为预测因子，存在预期的结构性关联；参与者已完成配对检测且要求具备实测白细胞、血红蛋白与血小板计数，可能限制对未选择糖尿病成人的适用性；胱抑素C检测指征无法可靠获取；糖尿病类型无法可靠区分，评估限于两家中国中心，更广泛的可移植性尚待确立；检测分配分析为回顾性，未评估下游临床管理变化、患者结局或成本效益。
结论：在接受配对肌酐与胱抑素C检测的糖尿病成人中，一个基于常规可获得人口学与实验室数据的九预测因子模型可在独立外部队列中以有用的判别力识别大幅负向胱抑素C-肌酐eGFR不一致。基于风险的优先排序在有限胱抑素C检测分配下显著富集D2病例检出，支持在全面测定不切实际时进一步评估靶向胱抑素C检测。临床实施前需进行前瞻性评估，尤其是确立本地适宜的校准、检测分配及下游临床获益。
