《Journal of Exercise Science & Fitness》：Clustering of Non-invasive Biomarkers to distinguish phenotype-related response differences in Women with PCOS after the 16-week Nordic Interval Training Intervention: A Prospective Cohort Study
编辑推荐：
背景：多囊卵巢综合征（PCOS）与代谢和生殖异常相关。运动引起的反应变异性可能反映PCOS表型中潜在的生物学异质性。研究人员探讨了在16周间歇北欧行走（INW）后非侵入性PCOS生物标志物的变化，以识别表型相关的反应差异。
方法：从Yazd生殖科学研究所和Am
背景：多囊卵巢综合征（PCOS）与代谢和生殖异常相关。运动引起的反应变异性可能反映PCOS表型中潜在的生物学异质性。研究人员探讨了在16周间歇北欧行走（INW）后非侵入性PCOS生物标志物的变化，以识别表型相关的反应差异。
方法：从Yazd生殖科学研究所和Amir al Mómenin医院（2019-2024）获取了总计7,500名女性的数据。根据鹿特丹标准诊断PCOS。采用XGBoost特征选择筛选出17个关键预测因子。评估了多种机器学习分类器，并使用SHAP值实现模型可解释性。80名不同PCOS表型的女性完成了16周INW干预。应用主成分分析（PCA）将特征降至75%方差。随后使用轮廓系数（Silhouette scores）、Calinski-Harabasz指数和Bootstrap重抽样（Jaccard指数）评估聚类算法（K-means、高斯混合模型GMM、层次聚类、谱聚类、基于密度的噪声应用空间聚类DBSCAN）。
结果：XGBoost和SHAP分析确认抗苗勒管激素（AMH）、卵泡刺激素（FSH）和抗甲状腺过氧化物酶抗体（Anti-TPO）是PCOS最具影响力的预测因子，而糖化血红蛋白（HbA1c）、体重指数（BMI）和血脂谱等代谢指标表现出中等但具有临床意义的影响。在评估的算法中，谱聚类模型提供了更好的分离效果；然而，整体聚类分离度仍然有限。该模型提出了两个探索性的数据驱动反应模式，称为高反应（更常见于表型一和表型二），其在干预后表现出更大的睾酮和硫酸脱氢表雄酮（DHEA-s）降低以及高密度脂蛋白（HDL）和总胆固醇的改善。低反应（更常见于表型三和表型四）对INW的反应相对较小。基于平均Jaccard指数=0.45，聚类稳定性为中等。
结论：研究人员的研究表明，在16周INW干预后，PCOS存在异质性表型反应模式，并支持进一步研究PCOS的非药物策略。
多囊卵巢综合征（PCOS）是一种影响育龄女性4%–20%的常见内分泌疾病，其核心特征包括代谢异常（如胰岛素抵抗、血脂紊乱）和生殖功能障碍（如高雄激素血症、排卵障碍）。PCOS具有显著的生物学异质性，表现为不同表型在代谢紊乱和雄激素水平上的差异。然而，现有研究多将PCOS视为同质性疾病，未能充分考虑表型特异性对干预反应的影响，尤其在运动干预领域，缺乏对北欧间歇训练（INW）后表型相关反应模式的系统探索。运动作为PCOS管理的一线策略，已被证实可改善胰岛素敏感性、脂代谢和激素平衡，但传统研究普遍忽略表型差异，导致个体化干预方案设计受限。因此，研究人员开展本研究，旨在结合非侵入性生物标志物和机器学习技术，揭示16周INW干预后PCOS表型间的反应异质性，为精准生活方式医学提供依据。该论文发表在《Journal of Exercise Science》。
研究人员开展了一项三阶段混合方法研究。第一阶段为回顾性观察，利用Yazd生殖科学研究所和Amir al Mómenin医院2019–2024年间7,500名女性的临床数据（含120个特征），经数据清洗和缺失值处理后保留658例样本（PCOS组320例，非PCOS组338例），采用XGBoost进行特征选择，并结合SHAP（Shapley Additive Explanations）进行模型解释，筛选出17个关键预测因子。第二阶段为前瞻性单臂干预，招募80名肥胖PCOS女性（BMI: 31±1.9 kg/m2，年龄23–33岁），按鹿特丹标准分为四组表型（表型一、二、三、四，每组20人），完成16周INW干预（每周3次，心率维持在60%–75%最大心率，步行量从3,000步渐进至7,500步/30分钟）。第三阶段为探索性无监督机器学习分析，对干预前后变化值（delta特征）进行主成分分析（PCA）降维至8个主成分（解释74.55%方差），并比较K-means、高斯混合模型（GMM）、层次聚类、谱聚类和基于密度的噪声应用空间聚类（DBSCAN）等算法，通过轮廓系数（Silhouette scores）、Calinski-Harabasz指数和Bootstrap重抽样（Jaccard指数）评估聚类质量。主要技术方法包括：XGBoost特征选择、SHAP模型解释、PCA降维、谱聚类（Spectral Clustering）算法，以及Bootstrap重抽样稳定性评估。样本队列来源为伊朗Yazd生殖科学研究所和Amir al Mómenin医院。
研究结果部分：
**Feature selection（特征选择）**
通过XGBoost特征重要性分析，研究人员发现抗苗勒管激素（AMH）、卵泡刺激素（FSH）和抗甲状腺过氧化物酶抗体（Anti-TPO）是预测PCOS最重要的三个生物标志物，其次为囊肿（Cyst）、维生素D3和高雄激素体征；而代谢指标如糖化血红蛋白（HbA1c）、体重指数（BMI）和血脂谱（LDL、HDL、甘油三酯）表现出中等但具有临床意义的影响。SHAP分析进一步验证了AMH和FSH对模型输出的最强正向贡献，后续支持向量机（SVC）、逻辑回归（LR）等分类器经网格搜索优化后，XGBoost模型在内部测试集上达到94%准确率、97%召回率、98%AUC；外部验证（来自200名独立样本，PCOS和非PCOS各100例）中，XGBoost仍保持92%准确率、99%特异性、91%AUC，表明所选特征具有稳健的疾病判别能力。
**Results of physical activity intervention（体力活动干预结果）**
配对样本t检验显示，16周INW干预后所有参与者的BMI显著下降（双侧p<0.001，t=-12.8），证明干预有效。补充材料展示了各表型生物标志物在基线和干预后的变化趋势。
**Unsupervised Clustering（无监督聚类）**
通过对delta特征进行PCA降维后，谱聚类（gamma=0.5，k=2）在多种算法中表现最优，轮廓系数为0.18，Calinski-Harabasz指数为17.51，Gap统计量支持两个簇（Gap=0.327，SE=0.021）。聚类稳定性通过Bootstrap重抽样（100次迭代）评估，平均Jaccard指数为0.45（SD=0.11），表明中等稳定性。簇特异性验证显示，簇0（n=53，平均Jaccard=0.48）稳定性高于簇1（n=27，平均Jaccard=0.28）。根据簇内生物标志物变化幅度，将簇1定义为探索性高反应模式，簇0为低反应模式。两组间经Benjamini-Hochberg FDR校正后，AMH、DHEA-S、FSH、HDL、LH、LH/FSH比值、总睾酮和总胆固醇的变化存在显著差异（q<0.05）。高反应簇中，表型一和表型二更为常见，其睾酮和DHEA-s降低更显著，HDL和总胆固醇改善更明显；低反应簇则以表型三和表型四为主，对INW反应相对较小。参与者的平均依从率在两组间无差异（簇0: 92.26%±6.39%，簇1: 93.36%±5.84%），表明依从性未影响聚类结构。
讨论部分总结：研究人员指出，本研究通过整合非侵入性生物标志物与人工智能聚类方法，首次探索了PCOS表型对INW的反应模式。高反应簇（主要由表型一和表型二构成）显示雄激素和代谢指标的更大改善，而低反应簇（表型四为主）反应有限，提示表型四可能由非代谢驱动的卵巢内在因素主导。XGBoost和SHAP分析确认了AMH、FSH和Anti-TPO的核心预测价值，强调了生殖与代谢领域整合的重要性。然而，聚类结果仅呈现中等稳定性（平均Jaccard指数=0.45），且高反应簇重现性较低（Jaccard=0.28），因此应视为探索性假说生成，而非确定性生物学分类。研究局限性包括：单臂设计无法建立因果关联，无法排除混杂因素（如回归均值、行为改变）；样本量有限且来自单中心（医院），结果外推性受限；遗传因素等未纳入；运动剂量依从性记录缺失，无法评估剂量-反应关系。未来需通过多中心、大样本随机对照试验验证，并解析运动-激素-代谢改善的机制通路。
研究结论翻译：基于机器学习的聚类分析提示，16周INW干预后存在两种探索性反应模式。探索性高反应模式更常见于高雄激素表型（表型一和表型二），并与雄激素和代谢生物标志物的大幅改善相关；相反，表型四更常见于探索性低反应模式。这些发现可提示PCOS表型对运动反应的潜在异质性。从干预角度，16周INW与高雄激素和代谢生物标志物的降低相关，但因缺乏对照组，无法建立因果归因。这些发现提出了表型特异性运动反应可能存在的假说，并支持进一步评估INW作为高雄激素PCOS一线生活方式干预的效果。然而，鉴于聚类结果的探索性和中等聚类有效性指标（轮廓系数=0.18；Jaccard指数=0.45），这些发现应被视为假说生成，为个性化非药物PCOS管理策略奠定基础，而不应解读为确定性生物学表型。未来需在更大、独立队列中进行验证。
