《Neurobiology of Disease》：Associations of cumulative exposure and longitudinal trajectories of neurofilament light chain with 1-year adverse events in amyotrophic lateral sclerosis: A prospective cohort study
编辑推荐：
背景：基线神经丝轻链（NFL）可预测肌萎缩侧索硬化（ALS）结局，但不能概括早期重复生物标志物信息。研究人员评估了在早期监测窗口内计算的累积NFL暴露（cuNFL）和纵向NFL轨迹组是否与随后不良事件相关。方法：这项前瞻性研究于2024年1月至2025年1月在
背景：基线神经丝轻链（NFL）可预测肌萎缩侧索硬化（ALS）结局，但不能概括早期重复生物标志物信息。研究人员评估了在早期监测窗口内计算的累积NFL暴露（cuNFL）和纵向NFL轨迹组是否与随后不良事件相关。方法：这项前瞻性研究于2024年1月至2025年1月在中国32个省份入组ALS患者。在基线、第1个月和第2个月测量血浆NFL。研究人员使用K均值聚类描述纵向NFL模式，并使用多变量生存模型评估预后关联。研究人员使用逆概率加权和因果森林分析作为高与低cuNFL的探索性、混杂校正分析。结果：K均值聚类确定了三个纵向NFL组：低稳定组（n = 183）、中度组（n = 225）和高进展组（n = 100）。高进展组的无事件生存期最短（P < 0.001）。cuNFL每增加1个标准差（SD）与不良事件几率增加相关（校正比值比[OR] 1.99；95%置信区间[CI] 1.52–2.60；P < 0.001）。使用手稿定义的127事件结局，cuNFL的表观区分度为AUC 0.730，基线NFL为0.717。配对DeLong比较无统计学意义（P = 0.084）。探索性机器学习分析提示高cuNFL与结局的关联存在年龄和呼吸功能异质性。结论：早期重复NFL测量总结为cuNFL和纵向轨迹组与该队列中的短期不良事件相关。这些发现支持基于纵向NFL的风险分层的进一步外部验证。它们并未确立因果生物学效应或常规重复测量的基础。
**肌萎缩侧索硬化中累积神经丝轻链暴露与纵向轨迹对1年不良事件的预后价值：一项前瞻性队列研究解读**
**一、研究背景与目的**
肌萎缩侧索硬化（amyotrophic lateral sclerosis, ALS）是一种罕见的神经退行性疾病，全球发病率仅为每10万人年1.5至2.5例。其临床病程高度异质，中位生存期通常为2至5年，但部分患者可存活超过10年，而另一部分患者在诊断后数月内即出现快速呼吸衰竭。这种疾病速度的显著差异使得传统、泛化的预后框架难以满足精准医学的需求。因此，寻找能够量化ALS临床进展速度的生物标志物，对于优化临床试验分层和个体化患者管理至关重要。
神经丝轻链（neurofilament light chain, NFL）是轴突细胞骨架蛋白，在神经元损伤和轴突变性后释放至细胞外间隙和血液循环。基线NFL水平已被证实对ALS具有预后价值，但单次测量无法概括短期的个体内变异。既往研究已开始探索重复测量和纵向NFL动力学，但尚缺乏对早期监测窗口内累积暴露的有效总结。此外，观察性生物标志物研究易受混杂、选择偏倚和时间反向顺序的影响。为此，研究人员在一项前瞻性中国ALS队列中，描述了早期纵向NFL模式，并评估了累积NFL暴露（cumulative NFL exposure, cuNFL）及轨迹组与1年不良结局的关联，同时将其与基线NFL进行比较。该研究发表于《Neurobiology of Disease》。
**二、主要技术方法**
该研究为一项前瞻性、单中心队列研究，在中国杭州第一人民医院进行，于2024年1月至2025年1月连续入组来自中国32个省份的ALS患者。纳入标准包括符合金海岸诊断标准的临床确诊ALS、病程≤2年、年龄≥18岁、接受稳定剂量利鲁唑治疗，并具有基线和连续3个月的血浆NFL测量数据。排除SOD1基因突变、自身免疫性疾病、严重肝肾功能障碍等。血浆NFL采用单分子阵列（Simoa）技术定量。cuNFL通过梯形法则计算M0至M2期间血浆NFL浓度-时间曲线下面积。使用K均值聚类（基于对数均值、对数最大值和线性斜率）识别纵向NFL轨迹。主要终点为全因死亡、气管切开、有创插管或每日无创通气>23小时的复合结局。统计分析采用Cox比例风险模型、限制性立方样条（RCS）、Kaplan-Meier曲线、受试者工作特征（ROC）曲线，以及探索性的逆概率加权（IPW）和因果森林分析。
**三、研究结果**
**3.1 患者特征**
共评估601例患者，排除40例不符合标准者，43例缺少完整的3次连续NFL测量，最终分析队列为508例。按cuNFL三分位数分组后，较高cuNFL组患者年龄更大；白细胞、中性粒细胞、淋巴细胞计数及肌酸激酶（CK）、丙氨酸氨基转移酶（ALT）水平较低，而总胆固醇和高密度脂蛋白胆固醇（HDL-C）水平较高。基线NFL水平随cuNFL升高而显著升高（P < 0.001）。1年内共有127例（25.0%）患者发生主要不良事件，事件发生率从Q1至Q3逐步增加（13.5%、22.0%和39.4%，P < 0.001），呈现剂量-反应关系。
**3.2 K均值聚类分析NFL轨迹**
基于M0至M2的对数均值、对数最大值和线性斜率，K均值聚类在508例患者中识别出三个轨迹组：低稳定组（n = 183）、中度组（n = 225）和高进展组（n = 100）。高进展组具有较高的基线NFL水平，虽然数值随时间有所下降，但绝对水平仍高于其他组。该组不良事件比例为48.0%，显著高于低稳定组（7.7%）和中度组（28.9%）（总体P < 0.001；趋势检验P = 1.4×10
?14）。高进展组患者年龄更大，体重指数和用力肺活量（FVC）更低。
**3.3 RCS分析**
限制性立方样条模型显示，cuNFL和基线NFL与1年不良事件风险均存在显著总体关联（总体P < 0.001）。非线性检验无统计学意义（cuNFL P = 0.246；基线NFL P = 0.267），表明剂量-反应关系呈线性，未发现安全阈值效应。
**3.4 cuNFL和NFL轨迹与1年不良事件发生率的关联**
多变量Cox回归分析显示，在完全调整模型（模型3）中，cuNFL每增加10 pg·month/mL，不良事件风险增加2%（HR 1.02，95% CI 1.01–1.04；P = 0.001）。与最低三分位组相比，最高三分位组（Q3）的风险显著升高（HR 1.33，95% CI 1.07–1.65；P = 0.009），且存在显著趋势（P
趋势 = 0.006）。在轨迹分析中，高进展组（簇3）的风险显著高于低稳定组（HR 1.48，95% CI 1.15–1.91；P = 0.002）。探索性M2标志性敏感性分析（排除第60天前发生事件者）显示，每1个SD的cuNFL升高与后续事件风险增加相关（HR 1.46，95% CI 1.27–1.67；P < 0.001）。
**3.5 K-M生存曲线和ROC曲线分析**
Kaplan-Meier分析显示，最高cuNFL三分位组（Q3）与低暴露组之间，以及高进展轨迹组与其他组之间的无事件生存期存在显著分离（对数秩P < 0.001）。对于127事件结局，cuNFL的AUC为0.730，基线NFL为0.717，轨迹组为0.673，年龄为0.593，起病部位为0.575。配对bootstrap比较cuNFL与基线NFL的AUC差异为0.013（95% CI ?0.002至0.028；P = 0.083），差异无统计学意义。
**3.6 cuNFL预后价值的亚组分析**
亚组分析显示cuNFL与不良事件的关联在多个分层中均存在，但性别交互作用处于临界值（P
交互 = 0.049），未经过外部验证，仅作为探索性发现，不推断性别特异性生物学机制。
**3.7 探索性逆概率加权分析**
IPW分析用于比较高与低cuNFL（以队列中位数53.7875 pg·month/mL为界）。加权后最大绝对标准化均数差从0.466降至0.305，但仍有14个协变量的绝对标准化均数差<0.10。未加权Cox模型显示高cuNFL的风险较高（HR 1.49；95% CI 1.10–2.02），稳定加权模型得到相似结果（HR 1.44；95% CI 1.15–1.81）。该结果被视为调整后的观察性关联，而非因果效应。
**3.8 使用因果森林的探索性异质性分析**
因果森林分析探索了高与低cuNFL关联的异质性。条件平均处理效应（CATE）估计为模型依赖的条件风险差，不应解释为个体因果效应。SHAP摘要和决策树提示年龄和FVC对异质性有贡献。树定义的亚组（年龄>54.5岁、FVC≤76.5%、ALSFRS-R≥22）显示出较大的模型估计条件风险差，但这些阈值是数据自适应选择的，未预设，需独立验证。
**3.9 敏感性分析**
作为补充敏感性分析，Logistic回归用于估计1年不良事件的几率，不纳入事件时间。在完全调整模型中，cuNFL每增加1个SD与不良事件几率升高相关（OR 1.99；95% CI 1.52–2.60；P < 0.001）。轨迹组分析同样显示高进展组几率最高（OR 17.30；95% CI 6.89–43.46；P < 0.001）。
**四、讨论与结论**
讨论部分强调，该研究的贡献在于在一个前瞻性中国队列中，基于早期窗口的实用总结（cuNFL）和轨迹表型评估了与不良结局的关联，但研究结果仅为观察性关联，并未确立cuNFL与临床恶化之间的因果驱动关系，也未证明其优于基线NFL，或支持常规重复测量。研究还指出，高进展组中观察到的NFL下降不应被解读为神经元池耗竭或其他特定生物学机制的直接证据；聚类标签是描述性的。此外，循环NFL不能区分具体的病理学分区（如皮质脊髓束/上运动神经元 vs 下运动神经元）。关于区分度，尽管cuNFL的AUC看起来略高于基线NFL（0.730 vs 0.717），但配对bootstrap比较无统计学意义；在5倍交叉验证中，在已含基线NFL的模型中添加cuNFL仅轻微改善拟合（χ2 = 5.24，P = 0.022），但无明确临床意义。IPW和因果森林分析仅作为探索性工具，不能建立因果效应。局限性包括无法排除残余混杂、仅基于M0–M2三次测量、完整数据可能引入选择偏倚（排除患者基线ALSFRS-R和FVC更低）、队列为早期中国患者且排除部分临床亚组、缺乏标准化定量上/下运动神经元评估等。
研究结论：在这项前瞻性队列中，早期重复NFL测量总结为cuNFL和纵向轨迹组与1年不良结局相关。与基线NFL相比，其区分度的改善是适度的。这些结果支持进一步开展基于标志物和外部验证的纵向NFL研究用于研究性风险分层，同时避免因果解释和过早的临床应用。
