使用机器学习和遗传方法对严重发热伴血小板减少综合征（SFTS）死亡风险的综合分析

《mSphere》：Integrative analysis of mortality risk in SFTS using machine learning and genetic approaches

　　

本研究提出了一种新颖的方法，通过整合机器学习模型和遗传分析技术来预测严重发热伴血小板减少综合征（SFTS）患者的死亡风险。研究人员利用107例确诊病例的临床数据，构建了多个预测模型，并确定极端梯度提升（XGBoost）算法最为有效，实现了0.950的曲线下面积（AUC）。进一步基于Boruta算法筛选和性能优化的15个稳健特征进行分析，结合Shapley加法解释（SHAP）图，识别出白细胞介素-6（IL-6）、肿瘤坏死因子-α（TNF-α）、血小板/淋巴细胞比值（PLR）和天冬氨酸氨基转移酶（AST）等关键变量。虽然孟德尔随机化（MR）未在所有检测因素中揭示明确的因果路径，但在特定的代谢-炎症通路中观察到了显著关联。这些发现为提升SFTS死亡率的预测准确性和机制理解提供了基础。重要性：严重发热伴血小板减少综合征（SFTS）是一种死亡率高的蜱传病毒性疾病，对东亚地区的公共卫生构成重大威胁。本研究开发了一种机器学习（ML）模型，利用常规临床检验快速预测SFTS患者的死亡风险，帮助医生早期分层风险。此外，通过探索身体指标与疾病结局之间的因果路径，为理解SFTS为何会发展为重症提供了新线索，可指导未来更好的治疗。

**论文解读：基于机器学习与孟德尔随机化的SFTS死亡风险整合分析**

**研究背景**
严重发热伴血小板减少综合征（SFTS）是由SFTS病毒引起的新型蜱传传染病，在东亚地区流行，死亡率高达12%–30%。该病临床表现复杂，包括高热、血小板减少和多器官功能障碍，重症可致死。现有死亡风险预测模型主要依赖逻辑回归等传统统计学方法，虽能初步评估预后，但难以处理变量间的非线性关系与交互作用，且缺乏对疾病生物学机制的深入解释。因此，研究人员整合前沿的机器学习（ML）技术与孟德尔随机化（MR）方法，旨在构建高效的SFTS死亡风险预测模型，并探索代谢、炎症与免疫因素之间的因果通路，从而提升预测准确性并揭示病理机制。

**研究内容与结论**
研究人员收集了安徽医科大学第一附属医院107例SFTS确诊患者的首次入院临床数据（包括炎症因子、肝肾功能、电解质及血细胞比值等），以出院结局（死亡/存活）为预测目标。通过系统比较逻辑回归（LR）、随机森林（RF）、极端梯度提升（XGBoost）和支持向量机（SVM）四种ML算法，发现XGBoost模型表现最优，曲线下面积（AUC）达0.950，准确率0.879。进一步采用Boruta算法进行特征选择与性能优化，确定15个关键特征后构建Boruta-XGBoost模型，其AUC仍保持0.950，且敏感性提升至0.750，F1分数改善至0.750。Shapley加法解释（SHAP）分析显示，白细胞介素-6（IL-6）、肿瘤坏死因子-α（TNF-α）、血小板/淋巴细胞比值（PLR）和天冬氨酸氨基转移酶（AST）是预测死亡风险最重要的变量。此外，基于公开的全基因组关联研究（GWAS）数据，研究人员运用两样本MR方法检验了六条代谢-炎症-免疫三节点路径（如AST→IL-6→CD8等）的因果关系，结果仅AST→IL-8通路在简单模式方法下达到统计学显著性（比值比0.442, P=0.041），其余通路均未发现一致因果证据。该研究为提升SFTS死亡风险预测和机制理解提供了数据驱动的策略，论文发表在《mSphere》。

**关键技术方法**
主要关键技术包括：（1）四种机器学习算法（LR、RF、XGBoost、SVM）的建模与性能比较，通过重复分层K折交叉验证和网格搜索优化超参数；（2）Boruta算法进行稳健特征选择，结合性能-特征数量曲线确定最优特征集；（3）SHAP算法进行模型全局与个体水平可解释性分析；（4）两样本孟德尔随机化（MR）分析，使用来自IEU OpenGWAS数据库的GWAS数据（包括代谢因子AST、估算肾小球滤过率eGFR、葡萄糖GLU；炎症因子IL-6、IL-8、IL-10；免疫因子CD8⁺ T细胞）。样本队列来自安徽医科大学第一附属医院107例SFTS患者。

**研究结果**

**四个机器学习模型区分能力与拟合性能评估**
通过受试者工作特征（ROC）曲线、精确率-召回率（PR）曲线、校准曲线及决策曲线分析（DCA）对四种模型系统评估。结果显示，XGBoost模型AUC为0.950（95% CI: 0.860–1.000），优于RF（0.930）、SVM（0.855）和LR（0.840）。PR曲线中XGBoost平均精度（AP）最高（0.836），表明其在类别不平衡数据中识别阳性病例能力最强。校准曲线显示XGBoost预测概率与观测事件率拟合良好；DCA显示其在0.1–0.6风险阈值范围内净获益高于“全部治疗”或“不治疗”策略。混淆矩阵分析表明XGBoost特异性高（0.96），敏感性稳定（0.625）。

**Boruta-XGBoost模型的区分与拟合性能评估**
Boruta算法筛选出20个稳健特征，根据性能-特征数量曲线和1标准误（1-SE）规则确定最优特征数K=15。构建的Boruta-XGBoost模型与全特征模型AUC相同（0.950），但敏感性从0.625提升至0.750，F1分数从0.714提升至0.750，精确率与特异性略有下降。ROC曲线AUC为0.950（95% CI: 0.900–0.977），校准曲线在多数概率区间拟合良好，DCA显示在0.1–0.75阈值范围内净获益明显。混淆矩阵显示该模型正确识别23例真阴性和6例真阳性，敏感性与特异性达到较好平衡。

**模型可解释性分析**
SHAP全局解释图显示，IL-6、TNF-α、PLR和AST是贡献最大的前四位特征。IL-6、TNF-α和AST的SHAP值多为正值，提示其升高显著增加死亡风险；PLR和ALB的SHAP值为负，提示保护作用。PLR虽SHAP值变异较小，但反映该特征分布集中的稳定效应。

**个体水平模型解释（力分析）**
SHAP力分析显示，在一例高危死亡预测患者中，AST、IL-6、TNF-α正向贡献使死亡概率升至0.691（基线0.277），而IL-10、CD8⁺ T细胞、C反应蛋白（CRP）和碳酸氢根（HCO₃^?）起抑制作用；在一例生存预测患者中，HCO₃^?作为最强保护因素，AST、IL-6、TNF-α则降低死亡概率至0.107。

**代谢与炎症因子的孟德尔随机化分析**
基于Spearman相关筛选出六条代谢-炎症通路（AST→IL-6、AST→IL-8、AST→IL-10、GLU→IL-10、eGFR→IL-8、eGFR→IL-10），进行两样本MR分析。结果显示仅AST→IL-8通路在简单模式方法下达到统计学显著性（OR=0.442, 95% CI: 0.204–0.958, P=0.041），其余所有通路各MR方法P值均>0.05，OR接近1。异质性检验（Cochran's Q P>0.05）和水平多效性检验（MR-Egger截距P>0.05）均无显著偏差，留一法敏感性分析证实结果稳健。

**炎症与免疫因子的孟德尔随机化分析**
分析IL-6、IL-8、IL-10对CD8⁺ T细胞水平的因果效应。逆方差加权（IVW）、MR-Egger、加权中位数、简单模式及加权模式等五种方法所得OR均接近1，95% CI跨越零线，所有P值>0.05，未发现显著因果关系。异质性检验显示IL-6→CD8通路存在一定异质性（Q检验P=0.017），但水平多效性检验均不显著（P>0.05）。留一法分析表明结果稳健。

**讨论与结论**
研究人员在讨论中指出，本研究整合ML与MR方法，从预测建模和机制探索两个维度推进SFTS研究。Boruta-XGBoost模型在保持高预测性能的同时降低了特征维度，敏感性提升使其更适用于死亡率筛查。SHAP分析揭示了IL-6、TNF-α、PLR、AST等关键指标与死亡风险的统计关联，增强了模型透明度。MR分析虽未发现一致的因果通路，但AST→IL-8通路的显著提示以及eGFR→IL-10的趋势，为代谢-炎症调节在SFTS严重化中的作用提供了初步线索。研究局限性包括样本量小（107例）、单中心回顾性设计、缺乏动态变量与外部验证、以及SFTS特异性GWAS数据不足等。未来需开展多中心前瞻性研究，整合多组学数据以构建完整因果网络。研究结论翻译如下：基于临床数据，本研究开发了SFTS患者死亡风险预测模型，其中XGBoost算法表现出优越的区分能力（AUC=0.950）和特征处理效率。随后构建的Boruta-XGBoost模型在保持高准确率的同时提升了敏感性，平衡了预测性能与临床适用性。IL-6、TNF-α、AST、PLR等关键特征均为常规检测指标，支持该模型的实际部署和早期风险识别。通过整合机器学习和孟德尔随机化方法，本研究探索了预测建模和因果推断。尽管大多数因果通路未达到统计学显著性，但AST→IL-8和eGFR→IL-10通路的结果提示了潜在的代谢-炎症调节联系，为SFTS机制研究提供了新方向。