《Frontiers in Endocrinology》：Associations of derived inflammatory, lipid, and anthropometric indices with CT-detected pulmonary nodules: a hospital-based cross-sectional study with explainable machine learning
编辑推荐：
背景：肺结节在常规体检胸部计算机断层扫描（CT）中常被检出。从系统内分泌学视角，常规可得的整合肥胖分布、脂质代谢、免疫细胞平衡及低度炎症的指标或可表征跨器官代谢-炎症表型，但其与CT检出肺结节的关联尚不明确。方法：本研究为基于山东第一医科大学第二附属医院202
背景：肺结节在常规体检胸部计算机断层扫描（CT）中常被检出。从系统内分泌学视角，常规可得的整合肥胖分布、脂质代谢、免疫细胞平衡及低度炎症的指标或可表征跨器官代谢-炎症表型，但其与CT检出肺结节的关联尚不明确。方法：本研究为基于山东第一医科大学第二附属医院2024至2025年常规体检成人的医院横断面研究，共1072例。主要结局为任一CT检出肺结节，次要结局为机构Lung-RADS分类≥3。右偏指标经自然对数转换后标准化。研究人员采用多变量逻辑回归、Benjamini-Hochberg错误发现率（FDR）校正、降维非冗余代表性指标模型、限制性立方样条、重复嵌套交叉验证及带SHAP解释（仅在留出观测中计算）的机器学习模型。结果：381例（35.54%）有肺结节，109例（10.17%）Lung-RADS≥3。在互斥调整的代表性指标模型中，AIP（OR 1.38；95% CI 1.16-1.64；q=0.003）与SIRI（OR 1.37；95% CI 1.14-1.64；q=0.004）与任一肺结节相关；SIRI与Lung-RADS≥3相关（OR 1.48；95% CI 1.15-1.91；q=0.008，因事件数少、EPV 6.41需谨慎）。基础风险模型交叉验证AUC 0.76，衍生指标模型AUC 0.77，增量无统计学意义（差0.01；P=0.100）。结论：AIP与SIRI独立关联CT检出肺结节，SIRI与Lung-RADS≥3的探索性关联需谨慎解释与独立验证。这些横断面发现描述探索性代谢-炎症表型，非因果机制或临床就绪诊断工具，需多中心纵向验证与标准化放射学表征。
研究背景与立题依据
肺结节是胸部CT最常见偶发与筛查发现之一。低剂量CT已在高危人群证实降低死亡率，但常规体检中CT使用人群更广、更年轻且不限重度吸烟者，推动对易得临床表型的研究。指南管理依赖放射学特征（大小、密度、数目、位置、形态、间期生长），但肺结节生物学异质——可为良性炎症、肉芽肿、瘢痕、未定结节或早期恶性。人群与医院研究均报告随年龄、吸烟累积暴露与CT普及而检出率上升。慢性炎症激活、氧化应激、髓系细胞招募、肥胖与血脂异常互为系统过程，可伴随组织重塑与促瘤微环境；中国人群中外周炎症标志物已关联肺结节检出与肺癌发病，但未立因果。复合指标（整合中性粒细胞、淋巴细胞、单核细胞、血小板、HDL、甘油三酯、白蛋白、人体测量）可汇总单标记未涵盖信息。系统内分泌学下，脂肪分布、脂质处理、糖调节与免疫炎症信号为协调过程，肺结节状态可作为跨器官代谢-炎症关联的“额外内分泌影像表型”而非内分泌病或肺癌替代诊断。机器学习可抓相关标志非线性交互，但需透明报告、校准、样本外评估与可解释性（TRIPOD、TRIPOD+AI、SHAP）。常规体检衍生指标能否在常规因素外提供可重复预测信息未明。为此，研究人员在山东第一医科大学第二附属医院体检中心开展医院横断面研究，评估炎症、脂质、营养与人体测量衍生指标与任一CT肺结节及Lung-RADS≥3的关联，用降维代表性指标作主要多变量分析，并以正则化回归与可解释机器学习作探索性风险表型比较。
主要技术方法概括
研究人员基于2024年6月至2025年12月山东第一医科大学第二附属医院体检中心1072名成人，链接常规检验与简短问卷。结局由放射科医师双读CT报告提取：主要任一肺结节，次要机构Lung-RADS v2022≥3（仅部分患者评估）。从原始变量重算人体测量（BMI、WHtR、WHR、BRI、WWI）、脂质（non-HDL-C、remnant胆固醇、AIP=log10(TG/HDL-C)、CMI）、炎症（NLR、PLR、MLR、SII、SIRI、AISI、MHR）、营养炎症（PNI、HALP）共20个指标；按Spearman |rho|≥0.80分层选每域代表（WHtR、AIP、SIRI、hsCRP、PNI）入主要互斥模型。连续变量右偏（skewness>1.0）者自然对数转换后标准化。关联分析用多变量逻辑回归调年龄、性别、吸烟、饮酒、运动、查体高血压、空腹血糖、尿酸、eGFR、ALT、GGT，FDR校正40项单指标检验；非线性用限制性立方样条；预测用重复嵌套分层5折交叉验证（3次重复、内3折调参）比较基础11变量、传统原始33、衍生29、合并50变量集，岭/LASSO逻辑回归、随机森林、XGBoost、LightGBM、梯度提升，SHAP仅算留出外折并跨折合并。
研究结果
3.1 人群与结局分布：1072人中381（35.54%）任一肺结节，109（10.17%）Lung-RADS≥3；结节者212单发、169多发。
3.2 基线特征：结节组更老（54.95±11.89 vs 45.26±11.73岁），腰围、血压、髓系细胞、甘油三酯、尿酸、hsCRP更高；WHtR与BRI近恒等，AIP与CMI极高相关；全17参数设计矩阵VIF 1.02–2.62（<5）。
3.3 代表性指标与单指标关联：互斥模型中AIP（OR 1.38；q=0.003）与SIRI（OR 1.37；q=0.004）独立关联任一结节；WHtR名义显著但FDR不保（q=0.070），hsCRP、PNI不独立；Lung-RADS≥3仅SIRI保显著（OR 1.48；q=0.008，EPV 6.41）。单指标FDR后任一结节最强logCMI（OR 1.52；q<0.001），AIP、SIRI、MLR、AISI、MHR、WHtR、BRI、waist、BMI、remnant-C、NLR、SII、loghsCRP显著；Lung-RADS≥3存活者为单核相关MLR/SIRI/MHR/logAISI，因公式嵌套不解读为独立多标志物。
3.4 非线性与亚组：RCS显示WHtR（P=0.017）、AIP（P=0.002）、SIRI（P=0.001）、hsCRP（P=0.033）整体关联，1–99百分位内无非线（非线性P≥0.521）；性别/年龄/<50≥50/中心性肥胖/查体高血压亚组方向相似，受限事件数属探索。
3.5 增量预测与机器学习：嵌套CV下基础模型AUC 0.76（0.72–0.78），传统0.76、衍生0.77、合并0.76，较基础差0.01（P≥0.100）；衍生模型Brier 0.182略低，连续NRI 0.16（P=0.008）、IDI 0.02（P=0.004）但作者不视为临床可用。算法间LASSO AUC 0.78稍胜岭0.77（差0.009，P=0.004），树模型未胜岭；梯度提升留出SHAP居首特征为年龄，次CMI、肌酐，SIRI/hsCRP/eGFR前列，属预测贡献非因果。
讨论部分总结
研究人员强调AIP与SIRI在控冗余与多重检验后最稳；SIRI对Lung-RADS≥3因109事件/EPV 6.41仅假设生成。系统内分泌学价值在暴露跨器官整合而非把结节当内分泌结局。结节异质使合并分析稀释亚型信号，Lung-RADS≥3非病理恶性且本队列非指南筛查入选，故为机构实用分层。单核相关指标集中显著合生物可塑性（单核/中性粒参与炎症、组织重塑、瘤微环境），但横断面不能排反向因果。脂质-肥胖中AIP与CMI共享TG/HDL，WHtR与BRI近等价，故单指标WHtR显著（q=0.004）在互斥模型衰减（q=0.070）说明信号重叠而非WHtR独立。预测未显著超基础模型，NRI/IDI不稳，LASSO微小优势需外验；SHAP中年龄主导、肌酐/eGFR前列反映年龄相关生理与混杂，非直接肾机制。优势在重算指标、代表集与全集分离、FDR、变换诊断、样条、重复样本外、留折SHAP、放射盲于检验。局限：横断面无因果；结节无大小/密度/病理/随访；Lung-RADS非筛查语境；吸烟仅三分类无包年；查体高血压单测；单中心山东无外验。
结论部分翻译
在该医院横断面队列中，AIP与SIRI独立关联任一CT检出肺结节。SIRI亦与Lung-RADS分类≥3呈探索性关联，但次要事件数有限且EPV为6.41，需谨慎解释与独立验证。这些发现描述探索性代谢-炎症表型，未确立因果、恶性或临床可行动筛查工具。扩展模型未在常规因素外实质改善区分度或校准。需多中心纵向验证与标准化放射学表征及外部模型评估方可临床转化。
（论文发表于《Frontiers in Endocrinology》）
