总脑脊液IgA作为与自身免疫性脑炎相关的候选辅助生物标志物：一项回顾性病例对照研究

《Frontiers in Neurology》：Total cerebrospinal fluid IgA as a candidate adjunctive biomarker associated with autoimmune encephalitis: a retrospective case–control study

　　

背景：自身免疫性脑炎（AE）是一种罕见但严重的中枢神经系统免疫介导疾病。早期诊断仍然具有挑战性，而总脑脊液（CSF）IgA是一个常规可测量的参数。然而，其与AE的关联及其作为候选辅助生物标志物的潜在价值仍不清楚。
目的：探讨总CSF IgA是否与AE独立相关，并探索其作为识别AE病例的候选辅助生物标志物的潜力。
方法：研究人员在苏州大学附属第二医院（2010年1月至2025年6月）进行了一项单中心回顾性病例对照研究，纳入了自身免疫性脑炎患者以及患有非炎症性、非器质性神经系统疾病的症状对照组。收集了临床、实验室和神经影像学数据。使用逻辑回归评估总CSF IgA与自身免疫性脑炎的独立关联，并构建预测模型。使用受试者工作特征曲线、校准图、决策曲线分析和Bootstrap内部验证评估模型性能。
结果：共纳入101名AE患者和80名对照组。AE患者的总CSF IgA水平显著高于对照组（中位数6.03 vs. 1.46 mg/L, p < 0.001）。在初始多变量逻辑回归模型中，总CSF IgA与AE独立相关（OR = 31.63, 95% CI: 2.13–469.09, p = 0.011）。最终模型纳入了CSF IgA、CSF WBC计数、CSF总蛋白、CSF白蛋白、血液WBC计数和血清球蛋白，其中CSF IgA仍与AE独立相关（校正后OR, 20.53; 95% CI, 4.77–167.45）。尽管较宽的置信区间需要在解释关联强度时保持谨慎。总体模型显示出优异的区分度（AUC = 0.990, 95% CI: 0.982–0.999）、良好的校准度（Brier分数, 0.037），并在决策曲线分析中显示出明确的净临床效益。
结论：总CSF IgA与AE独立相关，结合CSF IgA与常规实验室参数的多变量模型在区分AE与症状对照组方面显示出优异的区分度和良好的校准度。作为一种快速可测量的参数，它显示出作为候选辅助生物标志物的潜力。然而，其在区分AE与临床类似疾病方面的特异性仍不确定，需要在更大规模的独立研究中进行验证。

背景介绍与研究意义
自身免疫性脑炎（autoimmune encephalitis, AE）是一种罕见但可能危及生命的神经炎症性疾病，由靶向神经抗原的自身抗体介导。由于延迟诊断和治疗可能导致严重的神经系统后遗症或死亡，AE被视为需要迅速识别和及时启动免疫治疗的神经急症。尽管2016年Graus等提出的国际共识标准促进了在抗体结果出来之前的早期诊断，但AE的临床诊断仍然具有挑战性。非特异性的神经精神表现、血清抗体阳性的过度解读以及对抗体阴性病例标准的不当应用都可能导致误诊。此外，抗神经抗体的全面检测在临床环境中并非普遍可用，且可能需要较长的周转时间。免疫球蛋白A（Immunoglobulin A, IgA）通常被认为是黏膜免疫的主要效应免疫球蛋白，但新出现的证据表明，IgA相关的免疫反应也可能参与中枢神经系统（central nervous system, CNS）的免疫调节。然而，以往的研究主要集中在抗原特异性IgA抗体上，而总脑脊液（cerebrospinal fluid, CSF）IgA作为一个常规可用的临床实验室参数，在AE中的诊断相关性仍未被探索。为了填补这一空白，研究人员开展了一项回顾性病例对照研究，以评估总CSF IgA是否可以作为早期识别AE的潜在有用辅助生物标志物。该研究表明，总CSF IgA与AE独立相关，结合常规实验室参数构建的多变量预测模型在区分AE患者与症状对照组方面表现出极高的区分度和良好的校准度，这一发现对于AE的早期诊断具有重要临床意义。该论文已发表在《Frontiers in Neurology》上。

关键技术方法
研究人员开展了一项单中心回顾性病例对照研究。样本队列来源于苏州大学附属第二医院2010年1月至2025年6月的电子病历记录。研究纳入了符合国际诊断标准的AE患者以及非炎症性、非器质性神经系统疾病的症状对照者。由两名独立医师进行盲法筛选并经第三方裁决。收集临床、神经影像学和实验室数据，包括脑电图（EEG）、脑磁共振成像（MRI）及CSF常规生化与免疫球蛋白定量。通过免疫比浊法测定CSF IgA浓度。运用单变量和多变量逻辑回归分析评估总CSF IgA与AE的独立关联并构建预测模型。通过受试者工作特征（ROC）曲线、校准图、决策曲线分析及Bootstrap内部验证评估模型性能。

研究结果
3.1 研究人群的基线特征
研究共纳入181名参与者，包括101名AE组患者和80名症状对照组。两组在年龄和性别上无显著差异。AE组中57名患者脑电图异常，36名患者脑MRI显示异常信号，累及颞叶、海马等部位。在抗体检测方面，检测出NMDAR、GFAP、AMPAR等多种抗体。对比基线特征显示，AE组在多个CSF参数上表现出显著较高的值。具体而言，AE组的CSF IgA、IgG、IgM、总蛋白、白蛋白、CSF白细胞（white blood cell, WBC）计数（中位数9 ×10⁶/L vs. 1 ×10⁶/L）、血液WBC计数和绝对中性粒细胞计数均显著升高。此外，AE组的血清白蛋白水平显著降低。

3.2 单变量和多变量逻辑回归分析
单变量逻辑回归分析确定了年龄、CSF总IgA、CSF IgG、CSF IgM、CSF总蛋白等11个与AE显著相关的候选预测因子。将这些候选预测因子同时纳入初始完整多变量逻辑回归模型，经共线性诊断剔除部分变量后，最终缩减的六变量模型包括CSF总IgA、CSF WBC计数、CSF总蛋白、CSF白蛋白、外周血WBC计数和血清球蛋白。在最终模型中，CSF总IgA仍与AE独立相关（校正后OR=20.53, 95% CI: 4.77–167.45）。

3.3 预测模型的开发与评估
基于上述六个变量构建的最终模型在区分AE与对照组方面表现出优异的判别能力，其受试者工作特征曲线下面积（Area Under the Curve, AUC）为0.990（95% CI: 0.982–0.999）。Bootstrap内部验证显示AUC为0.990。校准图显示预测概率与观察概率高度一致，Brier分数为0.037。决策曲线分析表明，在一系列临床相关的阈值概率下，该模型提供的净效益大于全治或全不治策略。研究人员还进行了敏感性分析，排除了通常不被归类为典型AE的GFAP、MOG等抗体阳性患者后，CSF总IgA仍与AE独立相关。单独使用总CSF IgA诊断AE时，最佳截断值为2.645 mg/L，其敏感度为86.1%，特异度为98.8%。

总结讨论与结论
在讨论部分，研究人员指出总CSF IgA在AE中升高的生物学基础尚不确定，可能存在几种非互斥的机制：一是CNS免疫激活促进B细胞和浆细胞的募集或持久化，从而支持局部免疫球蛋白的产生；二是CNS屏障功能障碍可能增加血液来源的免疫球蛋白向CSF的转移；三是黏膜教育的IgA产生细胞向CNS相关区室的迁移。由于该研究未计算CSF/血清IgA商或进行基于Reiber的鞘内IgA合成评估，因此无法确定CSF IgA的来源。此外，由于对照组排除了感染性和炎症性神经系统疾病，无法确定CSF IgA在区分AE与临床类似疾病方面的特异性。从临床角度来看，总CSF IgA具有常规可用、相对便宜且获取速度通常快于全面神经抗体检测的特点，可作为有用的辅助生物标志物，但不应用作独立标志物或替代既定的诊断标准。

结论部分指出，在该队列中，总CSF IgA与AE独立相关，且结合CSF IgA和其他常规实验室参数的多变量模型在区分AE患者与症状对照组方面表现出优异的区分度和良好的校准度。作为一种易于获取且可快速测量的实验室参数，它可作为早期识别AE的辅助生物标志物。但仍需更大规模的前瞻性多中心研究进行独立外部验证，以确认其临床实用性。