机器学习联合脑脊液细胞因子提升神经梅毒诊断准确率与进展预测效能

《Frontiers in Immunology》:Cytokines in cerebrospinal fluid combined with machine learning improve the diagnostic accuracy and predict the progression of neurosyphilis

【字体: 大 中 小 】 时间:2026年04月20日 来源:Frontiers in Immunology 5.9

编辑推荐:

  本研究针对神经梅毒诊断存在灵敏度与特异性不足的临床难题,通过检测脑脊液中48种细胞因子/趋化因子,结合机器学习算法筛选出关键生物标志物。研究发现三联细胞因子组合(RANTES、MIP-1β、IL-3)可有效区分梅毒患者与对照(AUC=0.869);IL-2Rα是预测无症状神经梅毒进展为有症状神经梅毒的独立生物标志物,联合IP-10可进一步提升预测准确性。该研究为神经梅毒的早期诊断与风险分层提供了新策略。

  
梅毒,这个由苍白密螺旋体(Treponema pallidum, TP)引起的古老性传播疾病,至今仍在全球范围内持续流行。当病原体侵入神经系统,便会引发其最严重的并发症——神经梅毒。患者可能经历从毫无症状的隐性感染,到出现头痛、脑膜刺激、颅神经麻痹,甚至失明、失聪、瘫痪或痴呆的漫长病程。然而,神经梅毒的诊断一直是临床上的棘手难题。目前主要依赖血清学检测和脑脊液分析,但脑脊液性病研究实验室(VDRL)试验灵敏度有限(仅30-70%),而脑脊液白细胞计数和蛋白水平升高又缺乏特异性。更关键的是,我们难以预测哪些无症状感染者会进展为有症状的神经梅毒,从而错失早期干预的良机。问题的核心在于,我们对神经梅毒发病机制的理解仍然模糊,特别是免疫系统在其中扮演的角色。
为此,一项发表在《Frontiers in Immunology》上的研究另辟蹊径,将目光投向了脑脊液中的“细胞信使”——细胞因子和趋化因子。研究人员猜想,中枢神经系统的免疫炎症反应程度,或许正是区分疾病不同阶段的关键密码。为了破解这组复杂的“免疫密码”,他们引入了一个强大的工具:机器学习。
研究者于2021年4月至2023年4月期间,招募了129名梅毒患者和15名对照者。患者被分为非神经梅毒组(CS, n=19)、无症状神经梅毒组(AN, n=77)和有症状神经梅毒组(NS, n=33)。他们收集了所有参与者的脑脊液样本,并使用Luminex多因子检测技术同步定量分析了48种细胞因子/趋化因子的浓度。
关键研究方法包括:利用主坐标分析(PCoA)可视化不同组别细胞因子表达谱的整体差异;采用LASSO逻辑回归进行高维特征筛选,从48个因子中找出最具判别力的标志物;运用多种机器学习分类器(如逻辑回归、支持向量机SVM、随机森林、XGBoost)评估所选细胞因子组合的诊断性能,并通过受试者工作特征(ROC)曲线分析比较模型效能;此外,考虑到有症状神经梅毒患者年龄显著更大,研究还进行了年龄分层ROC分析和多变量逻辑回归,以确认生物标志物的诊断价值是否独立于年龄因素。
研究结果如下:
1. 流行病学和临床特征
队列分析显示,有症状神经梅毒(NS)患者平均年龄(57±2.3岁)显著高于无症状(AN, 38.3±1.5岁)和非神经梅毒(CS, 41.8±3.0岁)患者,提示年龄是疾病严重程度的潜在风险因素。
2. 对照组、CS、AN和NS组之间细胞因子的比较
主坐标分析显示各组细胞因子表达谱存在差异。与对照组相比,梅毒患者(CS+AN+NS)脑脊液中有8种细胞因子表达显著不同。通过LASSO回归进一步筛选,确定了一个由三种细胞因子组成的生物标志物组合:RANTES(调节活化正常T细胞表达和分泌因子)、MIP-1β(巨噬细胞炎症蛋白-1β)和IL-3(白细胞介素-3)。机器学习模型验证和传统ROC曲线分析均表明,该三联组合能有效区分梅毒患者与对照,曲线下面积(AUC)达到0.869。
3. 不同疾病严重程度梅毒患者的细胞因子差异表达谱
比较非神经梅毒(CS)与神经梅毒(AN+NS)患者时,虽然发现了8种差异表达的细胞因子,但筛选出的最佳标志物MIP-1α预测神经梅毒发生的效能有限(AUC=0.636)。这表明CS与AN组的免疫炎症状态可能较为接近。
4. IL-2Rα与有症状神经梅毒的进展密切相关
当聚焦于疾病进展的关键环节——区分无症状(AN)与有症状(NS)神经梅毒时,随机森林和LASSO回归分析均一致锁定IL-2Rα(白细胞介素-2受体α链)为最重要的细胞因子。IL-2Rα单独区分AN与NS的AUC为0.843。
5. 联合IL-2Rα和IP-10可提升预测有症状神经梅毒进展的价值
研究发现,IP-10(γ干扰素诱导蛋白-10)是仅次于IL-2Rα的重要因子。将两者联合后,预测效能得到进一步提升,区分AN与NS的AUC升至0.853。多变量分析在调整年龄因素后证实,IL-2Rα仍保持独立的判别能力(多变量AUC=0.876)。
6. 年龄调整的多变量分析和年龄分层诊断性能
考虑到年龄混杂因素,研究进行了年龄分层(35-45岁、45-55岁、>55岁)分析,并为IL-2Rα和IP-10确定了各年龄层的最佳截断值。例如,在45-55岁年龄段,IL-2Rα最佳截断值为25.48 U/mL。更重要的是,IL-2Rα与IP-10的联合模型在所有年龄层都表现出优异的诊断性能,在45-55岁人群中甚至达到了完美的区分度(AUC=1.000)。
研究结论与讨论部分对上述发现进行了总结和阐释。本研究表明,由RANTES、MIP-1β和IL-3构成的三联细胞因子组合,可作为辅助诊断梅毒(区分患者与对照)的潜在生物标志物。而研究最核心的发现是,IL-2Rα是预测无症状神经梅毒向有症状阶段进展的关键生物标志物,其与IP-10的联合应用能显著提高预测准确性。
这些发现具有多重重要意义。首先,在科学层面,它揭示了神经梅毒临床症状的出现可能与特定的过度免疫反应(尤其是T细胞激活相关的IL-2Rα通路和Th1型炎症相关的IP-10)密切相关,而不仅仅是病原体存在的直接结果。这为理解神经梅毒的发病机制提供了新视角。其次,在临床转化层面,该研究为神经梅毒的诊断和风险分层提供了新的、基于脑脊液免疫谱的策略。尤其是年龄分层截断值的建立,增强了这些生物标志物在不同年龄段患者中的临床应用潜力,避免了因年龄相关的免疫变化(免疫衰老)而导致的误判。尽管脑脊液CXCL13等标志物此前也有研究,但本研究首次系统性地将IL-2Rα确立为神经梅毒进展的核心预测因子,并验证了其与IP-10的协同作用。
当然,研究也存在一些局限性,如对照组样本量较小、研究设计为横断面未能揭示细胞因子水平的动态变化、以及需要在更大规模的前瞻性队列中进行验证等。然而,这项工作无疑为开发更精准的神经梅毒诊断与预后评估工具奠定了坚实基础,展示了机器学习整合多维度生物数据在解决复杂临床问题中的强大潜力。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号