《Frontiers in Neurology》:Hormonal and laboratory predictors of patent foramen ovale in cryptogenic ischemic events: a SHAP-enhanced logistic regression approach
编辑推荐:
为解决女性隐源性缺血性卒中/TIA患者中卵圆孔未闭(PFO)早期检测工具有限的问题,研究者开展了一项回顾性研究,通过LASSO和mRMR方法筛选出年龄、雌二醇(E2)、促卵泡激素(FSH)、D-二聚体和低密度脂蛋白胆固醇(LDL-C)五个关键预测因子,构建并验证了高性能的逻辑回归模型,AUC达0.990。该研究为女性PFO风险分层提供了可解释的、基于常规指标的临床辅助工具,具有重要的临床转化潜力。
在全球范围内,缺血性卒中仍然是致残和致死的主要原因之一,每年有超过1200万新发病例和650万卒中相关死亡。尽管大多数卒中病因明确,但仍有相当一部分,尤其是在缺乏传统血管危险因素的年轻个体中,被归类为隐源性卒中,即病因不明的卒中。越来越多的证据表明,卵圆孔未闭(PFO)在这类事件中扮演着关键角色。PFO是胎儿循环的遗迹,在约25%的普通成年人群中持续存在,是导致反常栓塞的重要通道。大型临床试验已证实,对精心筛选的PFO患者进行经皮封堵术可显著降低卒中复发风险,这凸显了及时检测PFO的临床重要性。
然而,目前的PFO诊断主要依赖于对比增强经食管超声心动图(TEE)或经颅多普勒(TCD)等影像学检查。这些方法虽是金标准,但资源密集、依赖操作者,在急性卒中诊疗中,尤其是在非三级医院或资源有限的环境中,常被延迟或无法进行。此外,已有一些临床评分工具,如反常栓塞风险(RoPE)评分,用于评估已发现的PFO与卒中之间的因果可能性,但这类工具并未整合个体化的生物学标志物,限制了其在个性化医疗中的预测能力。
新兴证据表明,循环生物标志物,特别是与激素状态、凝血活性和内皮功能相关的标志物,可能为PFO相关卒中提供机制性见解。在女性中,激素环境可能尤为重要,生殖阶段的变化可能影响血栓形成倾向和血管功能。例如,雌二醇(E2)可调节内皮通透性和静脉血栓栓塞风险,可能在存在右向左分流的情况下使女性易发生反常栓塞。促卵泡激素(FSH)等其他女性性激素也与血管反应性和血流动力学调节有关。此外,D-二聚体(纤维蛋白溶解激活的标志物)和低密度脂蛋白胆固醇(LDL-C,内皮功能障碍的替代指标)等生物标志物,可能作为高凝状态的间接指标,通过PFO通道增强栓塞风险。尽管这些指标在常规临床检测中即可获得,但它们尚未被系统性地整合到PFO识别的预测框架中。
鉴于此,迫切需要一种临床可解释、数据驱动的工具,以支持在隐源性缺血事件患者中早期识别PFO。本研究聚焦于女性队列,旨在测试常规可用的激素和实验室变量是否能改善PFO检测,并探讨模型在不同生殖阶段亚组中的表现。该研究设计为女性特异性,并不意味着PFO的诊断、二级预防或经皮封堵仅适用于女性。
为开展此项研究,研究人员采用了以下主要关键技术方法:
本研究为一项在中国某医院神经内科进行的回顾性、单中心观察性研究,纳入了2022年1月至2024年12月期间收治的300名女性隐源性缺血性卒中或短暂性脑缺血发作(TIA)患者。所有参与者均接受了包括对比增强TCD联合右心对比超声心动图在内的标准化PFO诊断检测。研究从电子病历中系统收集了43个候选变量,涵盖人口统计学、临床特征、激素指标、凝血与心脏生物标志物以及常规实验室参数。通过最小绝对收缩和选择算子(LASSO)回归和最小冗余最大相关性(mRMR)两步特征选择法,从初始变量中筛选出五个关键预测因子。利用这五个预测因子,研究者构建并比较了九种机器学习分类模型,包括逻辑回归、XGBoost、随机森林等,并通过受试者工作特征曲线下面积(AUC)、准确性、敏感性、特异性、F1分数、校准曲线和决策曲线分析(DCA)等指标综合评估模型性能。最终选择逻辑回归作为部署模型,并应用SHapley Additive exPlanations(SHAP)方法增强模型的可解释性。此外,研究还根据生殖阶段(育龄期22-45岁 vs. 围绝经期/绝经后45-65岁)进行了预设的亚组分析,并计算了RoPE评分和PASCAL分类以评估PFO的因果可能性。
3.1 伴有和不伴有PFO的患者具有不同的临床和激素特征
在300名成年女性隐源性缺血事件患者中,60名(20%)被诊断为PFO阳性。与PFO阴性组相比,PFO阳性组患者更年轻(46.8岁 vs. 53.9岁),体重指数(BMI)更低,TIA发生率更高(22% vs. 11%),皮质病灶更常见(50% vs. 24%)。在实验室参数方面,PFO阳性组患者的血清雌二醇(E2)和D-二聚体浓度显著更高。在按生殖阶段分层的分析中,无论在育龄期还是绝经后亚组中,雌二醇(E2)在PFO阳性组中均显著更高,而FSH显著更低。
3.2 通过LASSO和mRMR特征选择识别关键预测因子
通过LASSO逻辑回归结合10折交叉验证初步筛选出24个非零系数变量。为进一步减少冗余并增强可解释性,对LASSO筛选出的变量应用mRMR算法,最终确定了五个关键预测因子:雌二醇(E2)、促卵泡激素(FSH)、D-二聚体、年龄和低密度脂蛋白胆固醇(LDL-C)。
3.3 九种机器学习模型在PFO预测中的性能比较
使用上述五个预测因子构建了九种分类模型。在训练集中,一些集成模型表现出近乎完美的性能,可能存在过拟合。在验证集中,逻辑回归模型展现了最高的AUC(0.958),并具有最佳的校准度和临床净收益。精确度-召回率(PR)曲线评估也显示逻辑回归在验证集中取得了最高的平均精度。
3.4 用于区分PFO的逻辑回归模型的开发与验证
最终构建了一个包含五个预测因子的逻辑回归模型。在独立的测试集(n=90)中,该模型取得了优异的性能:AUC为0.990,准确性为95.6%,敏感性为89.5%,特异性为97.2%。校准分析显示预测概率与实际结果高度一致,决策曲线分析表明模型在相关概率阈值范围内具有临床净收益,Kolmogorov-Smirnov(KS)图显示模型能很好地区分PFO阳性与阴性患者的预测风险分布。
3.5 基于SHAP的解释揭示特征贡献和个体水平风险模式
对最终逻辑回归模型应用SHAP分析,以量化每个预测因子对PFO预测概率的贡献。SHAP分析确定雌二醇(E2)、D-二聚体和年龄是预测PFO的最强贡献因子,这与模型系数的重要性排序基本一致。SHAP提供了全局和个体患者层面的解释,增强了模型的临床可解释性。
3.6 RoPE和PASCAL评分分布
在整个女性队列中,RoPE评分中位数为6(四分位距4-8)。在PFO阳性组中,59.3%的患者RoPE评分为高分(7-10),而PFO阴性组中这一比例为12.4%。PASCAL分类仅在拥有完整解剖/分流数据的PFO阳性患者亚组中报告,用于评估PFO的因果可能性。
本研究的讨论与结论部分强调了所开发模型的重要意义。该研究成功构建并验证了一个临床可解释的机器学习模型,用于预测女性隐源性缺血性卒中或TIA患者中PFO的存在。模型仅使用五个常规可得的指标——年龄、雌二醇(E2)、促卵泡激素(FSH)、D-二聚体和低密度脂蛋白胆固醇(LDL-C),即实现了极高的判别性能,在独立测试集中AUC达到0.990。重要的是,研究没有孤立地强调某个“最强大”的预测因子,而是观察到雌二醇(E2)、D-二聚体和年龄在多种互补分析中 consistently 是主要贡献者,这增强了结论的稳健性。
这项研究超越了以往的临床评分工具,通过整合女性特异性激素谱和凝血生物标志物,为PFO的风险分层提供了一种基于生物学机制、数据驱动的方法。亚组分析表明,模型的预测性能和关键的激素关联在育龄期和绝经后女性中均保持稳健,这支持了模型在女性队列中的生物学合理性和普适性。
研究发现为理解PFO相关卒中的潜在机制提供了线索。雌二醇(E2)的显著关联可能与雌激素调节血管张力、内皮通透性及增加静脉血栓栓塞风险的已知作用相符。D-二聚体水平升高则提示PFO阳性女性可能处于一种血栓前状态,反映了可能与隐匿性静脉血栓形成或微栓塞相关的持续纤维蛋白转换。FSH作为独立预测因子被筛选出来,提示更广泛的内分泌转变可能通过影响血管动力学而参与其中。低密度脂蛋白胆固醇(LDL-C)被保留在模型中,则提示脂质相关的内皮功能障碍可能对栓塞易感性有贡献。
然而,研究也存在若干局限性。生物标志物在缺血事件后48小时内采集,可能受到急性期反应、炎症或治疗(如抗凝)的混淆。这是一项回顾性、单中心研究,样本量有限,且队列是经过选择的(已转诊进行PFO影像学检查的患者),因此模型性能可能过于乐观,需在更多中心的前瞻性队列中进行外部验证。尽管对比增强TCD联合超声心动图是检测右向左分流的实用且敏感的方法,但对于明确的解剖特征描述,它并不完全等同于经食管超声心动图(TEE)。
综上所述,本研究表明,一个简洁、可解释的模型能够准确预测女性隐源性卒中或TIA患者的PFO状态。该模型有潜力作为临床决策的辅助工具,特别是在影像学资源有限或传统风险评分不明确的情况下,帮助临床医生优先安排PFO确诊检查,从而实现更及时的风险分层和干预。未来的研究方向包括在更大队列中进行前瞻性、多中心验证,并探索这些生物标志物在PFO相关卒中病理生理机制中的具体作用。