基于常规实验室数据的缺失感知机器学习鉴别肝炎与肝硬化

《Frontiers in Genetics》:Missingness-aware machine learning using routine laboratory data for distinguishing hepatitis from cirrhosis

【字体: 大 中 小 】 时间:2026年09月22日 来源:Frontiers in Genetics 3.0

编辑推荐:

  引言:在肝炎患者中早期识别肝硬化对于及时的风险分层和临床管理至关重要,然而传统的非侵入性评分,如纤维化-4指数(fibrosis-4 index,FIB4)和天冬氨酸氨基转移酶-血小板比值指数(aspartate aminotransfe

  
引言:在肝炎患者中早期识别肝硬化对于及时的风险分层和临床管理至关重要,然而传统的非侵入性评分,如纤维化-4指数(fibrosis-4 index,FIB4)和天冬氨酸氨基转移酶-血小板比值指数(aspartate aminotransferase-to-platelet ratio index,APRI),可能提供有限的判别能力。在临床数据集中,缺失模式也可能携带预测信息,但其对肝硬化识别的价值仍未得到充分研究。方法:研究人员纳入了672例个体,包括334例肝炎患者和338例肝硬化患者,并以8∶2的比例随机分为训练集和测试集。利用常规可获得的实验室参数构建了FIB4、APRI和多种机器学习模型;缺失值通过中位数插补处理,并将二元缺失指示变量纳入选定的模型。结果:机器学习模型显示出优于传统评分的判别性能。纳入缺失指示变量的极端随机树模型(ET + indicator)获得了最高的受试者工作特征曲线下面积(AUC,0.841),而纳入缺失指示变量的支持向量机模型(SVM + indicator)获得了最高的精确率-召回率曲线下面积(AUPRC,0.813)。相比之下,FIB4和APRI的AUC分别为0.537和0.519。纳入缺失指示变量进一步提高了ET、SVM和HGB模型的性能,并将ET + indicator的阈值从0.50降至0.42后,敏感性从0.765增加至0.882。讨论:基于常规实验室参数的缺失感知机器学习模型可能改善肝炎至肝硬化的鉴别,并在真实世界筛查环境中支持风险分层。
慢性肝病是全球主要的发病和死亡原因,肝硬化代表慢性肝病进展中的关键阶段。在慢性肝炎患者中,肝硬化的发生提示肝脏结构和功能出现晚期恶化,并与门静脉高压、肝功能失代偿和肝细胞癌风险增加相关。因此,在肝炎患者中及时识别肝硬化对监测、风险分层、干预和预后管理十分重要。目前肝硬化评估依赖影像学、弹性成像、组织病理学检查和血清学评分,但不同真实世界环境下这些方法的可获取性、标准化程度和时机差异较大,尤其在大规模快速初筛时,需要简单且经济有效的筛查工具。纤维化-4指数(fibrosis-4 index,FIB4)和天冬氨酸氨基转移酶-血小板比值指数(aspartate aminotransferase-to-platelet ratio index,APRI)因简便易行而被广泛使用,然而这些评分仅纳入少数变量,可能无法完整反映肝炎与肝硬化间的多维临床异质性,其判别性能在部分人群中存在局限。常规实验室测量广泛可及、成本低且可重复,能反映肝脏合成功能、凝血异常、血液学改变、胆红素代谢和肾功能障碍等多种与肝硬化相关的病理生理维度。此外,临床数据中的缺失并非完全随机,缺失模式可能携带疾病严重程度、临床决策或医疗流程等信息,但既往研究多将其视为技术问题,通过插补删除这一潜在信号。因此,研究人员基于住院患者常规实验室数据,开发并比较了传统临床评分与多种机器学习模型,重点检验显式缺失指示变量能否提升肝炎与肝硬化之间的判别能力。

研究人员开展了这项单中心回顾性研究,数据来自川北医学院附属医院2020年1月1日至2024年12月31日期间住院患者的电子病历。研究对象为672例个体,包括334例肝炎患者和338例肝硬化患者,按8∶2比例随机分为训练集(537例)和独立测试集(135例)。关键技术方法包括:构建随机森林(random forest,RF)和直方图梯度提升(HistGradientBoosting,HGB)模型作为基线,并建立加入缺失指示变量的支持向量机(SVM + indicator)、极端随机树(Extra Trees,ET + indicator)、XGBoost(XGB + indicator)和LightGBM(LGBM + indicator)模型;缺失值采用训练集计算的中位数插补,测试集使用相同参数以避免信息泄漏;对每个实验室变量生成二元缺失指示变量;模型评估使用受试者工作特征曲线下面积(area under the receiver operating characteristic curve,AUC)、精确率-召回率曲线下面积(area under the precision-recall curve,AUPRC)、准确率、马修斯相关系数(Matthews correlation coefficient,MCC)、敏感性(sensitivity,Sn)和特异性(specificity,Sp),并进行了阈值优化、校准分析和决策曲线分析。

在“队列组成与临床变量”方面,研究人员发现肿瘤标志物和衍生评分类变量缺失率较高,而血液学参数和人口学变量缺失率较低;变量覆盖多个实验室领域,其中血液学参数占37.9%,肝脏合成/凝血标志物占25.7%。在“肝硬化与关键临床指标的协调变化”方面,与肝炎组相比,肝硬化患者的胆碱酯酶(cholinesterase,CHE)、前白蛋白(prealbumin,PAB)、血小板计数(platelet count,PLT)和血红蛋白(haemoglobin,Hb)更低,而凝血酶原时间(prothrombin time,PT)和总胆红素(total bilirubin,TBIL)更高;相关性分析显示CHE与PAB正相关,PT与CHE、PAB负相关并与TBIL正相关,提示肝硬化表现为多维度的系统性改变而非单一标志物异常。在“机器学习模型优于传统临床评分”方面,独立测试集上ET + indicator取得最高AUC(0.841),SVM + indicator和LGBM + indicator均为0.836,XGB + indicator为0.824,HGB core和RF基线分别为0.797和0.796,而FIB4和APRI的AUC仅为0.537和0.519;AUPRC方面SVM + indicator最高(0.813)。在“缺失指示变量提升判别性能”方面,加入缺失指示变量使ET的AUC从0.754升至0.841,SVM从0.740升至0.836,HGB从0.797升至0.822;特征重要性分析显示,主要贡献来自血液学参数和肝脏合成/凝血标志物,同时AFP、HBeAg和PIVKA-II的缺失状态也进入重要特征。在“阈值调整对筛查导向用途的影响”方面,将ET + indicator阈值从0.50降至0.42后,敏感性从0.765升至0.882,假阴性数从16降至8,特异性从0.776降至0.657,MCC从0.541升至0.554;校准曲线显示预测概率与观测事件率基本一致,决策曲线分析表明模型在主要阈值概率范围内提供了净获益。

讨论部分指出,传统评分因变量过少而难以捕捉肝硬化的多维度表型,机器学习模型能够整合多个病理生理域的实验室信号。缺失指示变量的增量价值提示真实世界数据中的缺失并不完全随机,可能反映临床怀疑、疾病严重程度、医生决策和机构流程,但这些信号应被视为情境依赖的临床过程信息,而非直接等同于患者生物学特征。模型更适合作为分诊或筛查辅助工具,不能替代腹部影像、肝脏弹性测量、肝活检或标准临床诊断。研究存在单中心、回顾性、缺乏外部验证等局限性,缺失信息的适用性取决于检验开单实践和临床路径,实施前需多中心和前瞻性验证。结论部分翻译为:基于常规实验室参数的机器学习模型在该真实世界队列中与传统临床评分相比改善了肝炎与肝硬化的区分;纳入缺失指示变量增加了预测信息,表明结构化的缺失模式在谨慎解读为机构依赖的临床过程信号时,可支持基于实验室的风险分层。ET + indicator模型可能作为辅助筛查或分诊支持工具,用于识别需要进一步评估的患者,但不能替代影像检查、肝脏弹性测量、肝活检、专科诊断或其他标准诊断程序。临床实施前需进行多中心和前瞻性验证。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号