基于机器学习整合系统凝血-炎症指数早期预测肺癌患者慢性阻塞性肺疾病

《International Journal of Chronic Obstructive Pulmonary Disease》：Integrating Machine Learning for Early COPD Prediction in Lung Cancer Patients: A Focus on Systemic Coagulation-Inflammation Index

　　

摘要

背景：慢性阻塞性肺疾病（COPD）常与肺癌共存，并使临床结局恶化。本研究旨在利用临床变量和新型系统凝血-炎症指数（SCI）开发机器学习模型，用于肺癌患者的早期COPD筛查。

方法：研究人员回顾性纳入1016例患者，提取人口统计学、吸烟、生命体征及实验室数据。经Boruta和最小绝对收缩与选择算子（LASSO）进行特征选择后，将数据集的70%用于训练、30%用于测试，构建了六种模型——逻辑回归、决策树（DT）、多层感知器（MLP）、支持向量机（SVM）、梯度提升决策树（GBDT）和极限梯度提升（XGBoost）。模型性能通过曲线下面积（AUC）、准确率、灵敏度、特异度、精确率、F1分数及校准度进行评估，同时采用SHapley Additive exPlanations（SHAP）和等高线图解释最优模型并探索预测因子间的交互作用。

结果：在1016例患者中，182例（17.9%）合并COPD。Boruta和LASSO筛选出8个关键预测因子：年龄、历史吸烟指数（HSI）、SCI、嗜酸性粒细胞（EOS）、碳酸氢盐（HCO₃^?）、性别、淋巴细胞（LYM）和血红蛋白（HGB）。GBDT模型表现最佳，曲线下面积（AUC）为0.74（95% CI: 0.69–0.80），灵敏度（0.68）和特异度（0.66）中等。SHAP分析显示年龄、HSI和SCI是主要危险因素，等高线图提示SCI与年龄、HSI在COPD风险上具有协同效应。

结论：基于常规临床变量和SCI构建的GBDT模型对识别肺癌患者中合并COPD的高危人群具有中等区分能力。

关键词：机器学习；慢性阻塞性肺疾病；肺癌；系统凝血-炎症指数；梯度提升决策树；筛查模型

论文解读

慢性阻塞性肺疾病（COPD）是肺癌患者中最常见的合并症之一，其患病率估计为28%至40%。COPD与肺癌共存会显著增加术后并发症风险、降低生活质量并缩短总生存期，还可能影响免疫检查点抑制剂等抗肿瘤治疗的反应。然而，COPD在肺癌患者中常因症状隐匿或被归因于肺癌本身及吸烟相关呼吸系统症状而严重漏诊，全球近四分之三的COPD患者未被诊断。肺功能检查虽是诊断COPD的金标准，但部分肺癌患者因体能状态差无法完成检查，且基层或资源受限环境中肺功能检测可及性有限。现有指南不推荐对无症状人群进行常规肺功能筛查，而现有替代筛查工具如CAPTURE问卷对具有临床意义的COPD仅显示有限灵敏度。因此，开发更简单、易获取且可扩展的筛查策略具有重要临床意义。

研究人员开展了一项回顾性研究，纳入2023年7月至2025年12月在恩施土家族苗族自治州中心医院呼吸与危重症医学科新确诊肺癌的住院患者1016例，其中182例（17.9%）合并COPD。研究人员提取了人口统计学、吸烟史、生命体征及入院实验室数据，采用Boruta与最小绝对收缩和选择算子（LASSO）结合的两步特征选择策略，最终确定8个稳定预测因子：年龄、历史吸烟指数（HSI）、系统凝血-炎症指数（SCI，定义为血小板计数×D-二聚体/白细胞计数）、嗜酸性粒细胞（EOS）、碳酸氢盐（HCO₃^?）、性别、淋巴细胞（LYM）和血红蛋白（HGB）。在特征选择基础上，研究人员在70%训练集上训练了六种机器学习模型，包括逻辑回归、决策树（DT）、多层感知器（MLP）、支持向量机（SVM）、梯度提升决策树（GBDT）和极限梯度提升（XGBoost），并在30%测试集上进行独立验证。模型性能通过曲线下面积（AUC）、准确率、灵敏度、特异度、精确率、F1分数及校准曲线综合评估，并采用SHapley Additive exPlanations（SHAP）方法和等高线图对最优模型进行解释。

基线特征分析显示，合并COPD的肺癌（LC-COPD）组患者较单纯肺癌组年龄更大，男性比例更高，吸烟负担更重，饮酒史更常见，既往卒中比例也较高。实验室指标方面，LC-COPD组患者的LYM、EOS、红细胞计数（RBC）、HGB、红细胞压积（HCT）、HCO₃^?和二氧化碳结合力（CO2CP）水平显著高于单纯肺癌组，SCI水平也显著升高。

性能比较结果显示，GBDT模型在训练集和测试集中均表现出最佳整体性能。训练集中GBDT的AUC为0.84（95% CI 0.81–0.87），准确率0.76，灵敏度0.80，特异度0.75；测试集中AUC为0.74（95% CI 0.69–0.80），准确率0.67，灵敏度0.68，特异度0.66。逻辑回归在测试集中AUC相近（0.75）且灵敏度最高（0.91），但特异度较低（0.52）。MLP和XGBoost的AUC均为0.74，SVM和DT表现相对较差（AUC分别为0.58和0.65）。校准分析显示GBDT模型的预测概率与观测事件率具有良好一致性。综合区分度、校准度和训练-测试稳定性，GBDT被选为最优模型。

SHAP可解释性分析显示，年龄、HSI和SCI是对模型输出影响最强的预测因子，其次为EOS、HCO₃^?、性别、LYM和HGB。高龄、较高HSI和SCI升高是COPD风险的主要正向贡献因素，EOS、HCO₃^?、LYM和HGB水平升高也与较高预测风险相关，男性对风险估计呈正向贡献。SHAP决策图显示，随年龄增长、吸烟负担加重和SCI升高等高风险因素累积，预测概率逐步向高危范围移动，提示这些变量间可能存在预测交互作用。等高线图进一步揭示SCI与年龄、HSI、EOS及HCO₃^?在不同水平下均存在协同作用模式：随着SCI升高，预测COPD概率单调增加，且在SCI>150的高值范围内风险梯度尤为陡峭，提示SCI可能对肺癌患者COPD风险分层具有独特价值。

讨论部分指出，肺癌与COPD之间存在包含慢性炎症、凝血系统激活等在内的复杂生物学联系。炎症与凝血并非独立运作，炎症介质可激活凝血级联反应，而凝血激活又能增强炎症信号，形成自我延续的循环。SCI作为整合血小板计数、D-二聚体和白细胞计数的复合指标，旨在捕捉这种生物学耦联。本研究中SCI在LC-COPD组显著升高，在Boruta和LASSO双重筛选中均保留，并在SHAP重要性分析中仅次于年龄和HSI，提示凝血-炎症轴可能对肺癌背景下COPD易感性具有重要贡献。既往研究已在其他临床情境中探索SCI的预后价值，但多聚焦于COPD患者队列内的纵向预后或识别COPD患者中的肺癌，本研究则回答了相反的问题——在肺癌患者中筛查COPD，研究结果支持SCI作为该重叠表型的潜在新型复合标志物。

研究结论部分翻译如下：利用常规可获得的临床变量和一种新型系统凝血-炎症指数，研究人员开发了一种基于机器学习的模型，用于识别合并COPD风险增高的肺癌患者。在评估的算法中，GBDT在区分度、校准度和临床可解释性方面表现出合理的整体平衡。值得注意的是，SCI作为一种独特且可能具有信息价值的复合标志物，提示凝血-炎症轴在肺癌-COPD重叠表型中可能发挥作用。经过外部验证后，该方法有望为常规肿瘤科和呼吸科诊疗中的早期COPD筛查和个体化风险分层提供潜在框架。