自身免疫性GFAP星形细胞病（GFAP-A）1年内复发的早期临床与脑脊液预测因素

《Annals of Clinical and Translational Neurology》：Early Clinical and Cerebrospinal Fluid Predictors of 1-Year Recurrence in Autoimmune GFAP Astrocytopathy

　　

**目的**：自身免疫性胶质纤维酸性蛋白星形细胞病（autoimmune glial fibrillary acidic protein astrocytopathy, GFAP-A）是一种炎性中枢神经系统疾病，预后不一。部分患者出现复发，但早期预测因素仍不清楚。本研究旨在识别入院时可获得的与1年复发相关的特征，并开发一个可解释的风险分层模型。

**方法**：研究人员回顾性纳入2021年1月至2025年2月期间156例脑脊液（cerebrospinal fluid, CSF）GFAP-IgG阳性的GFAP-A患者，根据1年内是否复发进行分组。比较两组患者的早期人口学、临床、CSF、血清学、神经影像学及治疗相关变量。采用弹性网络回归（elastic net regression）结合重复交叉验证筛选候选预测因子，随后进行多变量logistic回归及内部验证。

**结果**：35例（22.4%）患者在1年内复发。1年内复发与未复发患者年龄、性别、基线严重程度、神经影像学表现及治疗暴露基本相当。1年内复发患者CSF白细胞计数较低（42.0 [10.0–104.0] vs. 107.0 [34.0–200.0] ×10⁶/L；p=0.002），运动障碍更常见（71.4% vs. 43.8%；p=0.004）。最终模型纳入CSF白细胞计数、运动障碍、CSF氯化物和CSF GFAP-IgG滴度分类。较低的CSF白细胞计数、运动障碍和较高的GFAP-IgG滴度分类与复发风险增加相关。该模型显示出可接受的经乐观校正的区分度（AUC，0.726）、合理的校准及潜在临床效用。机器学习模型并未优于logistic回归。

**结论**：在GFAP-A中，1年复发与独特的早期临床和CSF特征相关，而非单独与基线严重程度或治疗暴露相关。这种基于入院指标的模型可能有助于复发风险分层和随访规划。

**研究背景与意义**
自身免疫性胶质纤维酸性蛋白星形细胞病（GFAP-A）是一种以脑脊液（CSF）GFAP-IgG为标志的中枢神经系统自身免疫性炎性疾病，可累及脑、脑膜、脊髓和视神经，临床异质性明显。尽管多数患者急性期对糖皮质激素反应良好，但部分患者仍会出现复发、激素依赖或恢复不完全。目前临床亟待解决的问题是，在首次住院期间能否识别复发高危患者，因为基线残疾程度、早期临床改善及常规MRI表现可能无法充分反映未来复发风险。为此，研究人员回顾性分析了156例CSF GFAP-IgG阳性的GFAP-A患者，以明确与1年复发相关的早期临床和CSF特征，并构建基于入院指标的可解释风险分层模型，为复发风险分层及随访计划提供依据。

**研究设计与主要技术方法**
该研究为单中心回顾性队列研究，样本来源于2021年1月至2025年2月中山大学附属第三医院神经内科收治的156例CSF GFAP-IgG阳性GFAP-A患者。采用基于细胞的检测（cell-based assay, CBA）确认抗体阳性，CFS GFAP-IgG滴度分为低（1:3.2或1:10）、中（1:32）、高（≥1:100）三档。预测因子筛选采用弹性网络回归（elastic net regression）结合重复交叉验证，随后建立多变量logistic回归模型；通过Bootstrap重采样进行内部验证，绘制校准曲线和决策曲线评估性能；并与随机森林、极限梯度提升（XGBoost）、支持向量机（SVM）和弹性网络四种机器学习模型比较；利用SHAP分析解释模型特征贡献。

**研究结果**
3.1 基线临床特征
156例患者中35例（22.4%）1年内复发，121例未复发。复发组CSF白细胞计数显著低于非复发组（42.0 vs. 107.0 ×10⁶/L，p=0.002），运动障碍更常见（71.4% vs. 43.8%，p=0.004），脑膜刺激征较少见（37.1% vs. 56.2%，p=0.047）。两组在年龄、性别、影像学病灶分布和治疗暴露方面无显著差异。

3.2 预测因子筛选与多变量模型开发
最终模型纳入CSF白细胞计数、运动障碍、CSF氯化物和CSF GFAP-IgG滴度分类四个变量。CSF白细胞计数每增加50×10⁶/L，复发风险降低（OR 0.669，95% CI 0.520–0.905，p=0.006）；运动障碍（OR 2.765，95% CI 1.134–6.744，p=0.025）和高GFAP-IgG滴度分类（OR 5.079，95% CI 1.411–18.288，p=0.013）增加复发风险。CSF氯化物呈负相关趋势但未达统计学显著（p=0.077）。据此构建列线图以个体化估计1年复发概率。

3.3 模型性能与内部验证
模型的乐观校正AUC为0.726，校准斜率为0.764，提示区分能力可接受、校准尚可但存在一定过拟合。决策曲线分析显示，在临床相关阈值范围内，模型净获益优于“全部治疗”或“均不治疗”的策略，表明其具有潜在临床实用价值。

3.4 与机器学习模型比较
logistic回归AUC（0.726）高于随机森林（0.706）、XGBoost（0.683）、SVM（0.635）和弹性网络（0.591），提示在样本量和事件数有限的情况下，简单可解释的logistic回归模型优于复杂机器学习算法。

3.5 SHAP分析与解释
SHAP分析显示，CSF白细胞计数是最重要的预测特征，与预测复发风险呈负相关；运动障碍和高GFAP-IgG滴度分类总体呈正向贡献。各特征方向与多变量logistic回归结果一致。

**讨论与结论**
研究者在讨论中指出，GFAP-A的复发并不能仅用基线严重程度、神经影像负荷或治疗类别解释。既往多关注表型、影像和治疗反应，较少关注首次住院时的复发风险分层。低CSF白细胞计数与复发相关看似与急性炎症表现相悖，但与其他神经免疫疾病中急性细胞炎症程度不预测远期病程的证据一致；低细胞反应可能反映一种由持续或可再激活的免疫过程驱动的不同疾病状态，该结果应视为产生假说而非证明CSF炎症本身具有保护作用。较高的CSF GFAP-IgG滴度可能反映更强的鞘内免疫应答或抗体负荷，而GFAP-IgG的直接致病性尚不明确。运动障碍提示运动网络受累更广泛，可补充常规影像信息。CSF氯化物作用较弱，仅作为CSF内环境改变的辅助标志。局限包括单中心回顾性设计、复发事件数有限、缺乏外部验证、治疗残余混杂及未纳入纵向免疫标志物。研究结论为：在GFAP-A中，1年复发与独特的早期临床和CSF特征相关，而非单独与基线严重程度或治疗暴露相关；这种基于入院指标的模型可能有助于复发风险分层和随访规划。