可解释机器学习揭示了代谢、炎症及营养指标与伴有代谢异常聚集的缺血性中风之间的关联

《BMC Cardiovascular Disorders》：Interpretable machine learning reveals the association of metabolic, inflammatory, and nutritional indices with ischemic stroke complicated by metabolic abnormality clustering

　　

摘要

背景

本研究旨在探讨急性缺血性脑卒中患者中代谢、炎症及营养综合指标与代谢异常聚集现象之间的关联，并构建一个可解释的临床实验室组学模型，以支持早期风险筛查和分层临床管理。

方法

本研究回顾性纳入了2023年1月至2025年7月间遂宁中心医院的2,183名急性缺血性脑卒中患者，将其分为代谢异常聚集组（n=621）和非代谢异常聚集组（n=1,562）。研究包含了多种葡萄糖和脂质代谢参数及其综合代谢指数。这些患者被随机分为7:3的比例的训练集（n=1,529）和内部测试集（n=654），同时还有一组独立的496名患者作为时间验证集。在训练集中，通过最小绝对值收缩和选择运算子回归方法进行特征选择。研究者使用了11种机器学习算法来构建临床实验室组学模型，最终根据敏感性、特异性、准确率、F1分数和AUC值选出最优算法。通过对最优模型进行可解释性分析，利用特征重要性排序和SHapley加性解释方法确定关键特征，随后通过单变量和多变量逻辑回归分析，找出与代谢异常聚集及急性缺血性脑卒中相关的代谢标志物。

结果

通过LASSO分析共确定了22个特征变量。在训练集中，研究者使用了11种机器学习算法构建模型，其中递归分割回归树算法被认定为最优算法。经过超参数调整后，最优复杂度参数为0.00015。调整后的训练集、测试集和时间验证集的AUC值分别为：0.979（95%置信区间：0.970–0.988）、0.968（95%置信区间：0.951–0.985）以及时间验证集为0.974（95%置信区间：0.958–0.990）。在时间验证集中，该最优模型正确识别出了129名（84.3%）代谢异常聚集患者和337名（98.3%）非代谢异常聚集患者。通过综合分析，甘油三酯-葡萄糖指数、Castelli风险指数II、空腹血糖以及血浆致动脉粥样硬化指数被确定为与代谢异常聚集相关的关键代谢指标。

结论

基于递归分割回归树算法，本研究构建出了用于识别代谢异常聚集与急性缺血性脑卒中合并症的优质临床实验室组学模型，其区分能力较为理想。甘油三酯-葡萄糖指数、Castelli风险指数II、空腹血糖和血浆致动脉粥样硬化指数被确认为该合并症的关键代谢标志物，可为早期临床干预和个性化治疗提供有力依据。