基于可解释机器学习模型的胆结石患者代谢功能障碍相关脂肪性肝病(MASLD)风险预测与外部验证

《International Journal of General Medicine》:Predicting MASLD in Gallstone Patients: An Interpretable Machine Learning Model with External Validation

【字体: 大 中 小 】 时间:2026年10月09日 来源:International Journal of General Medicine 2.3

编辑推荐:

  背景:既往研究表明,胆结石个体中代谢功能障碍相关脂肪性肝病(MASLD)患病率更高,因为两种疾病共享常见风险因素,包括高脂血症(hyperlipidemia)、肥胖、缺乏体力活动和糖尿病。本研究旨在开发并验证一种基于机器学习(ML)的模型,用于预测胆结石患者M

  
背景:既往研究表明,胆结石个体中代谢功能障碍相关脂肪性肝病(MASLD)患病率更高,因为两种疾病共享常见风险因素,包括高脂血症(hyperlipidemia)、肥胖、缺乏体力活动和糖尿病。本研究旨在开发并验证一种基于机器学习(ML)的模型,用于预测胆结石患者MASLD风险。方法:研究人员开展多中心回顾性横断面研究,纳入本院光谷院区2023年1月至2025年8月390例胆结石患者作为内部队列用于模型开发。还纳入来自首义院区、时间匹配的134例受试者作为外部验证队列。应用合成少数类过采样技术(SMOTE)处理内部训练集中的类别不平衡。使用最小绝对收缩和选择算子(LASSO)logistic回归和Boruta算法进行特征选择,随后使用七种ML算法进行模型开发和验证。使用校准曲线和决策曲线评估模型性能。基于支持向量机(SVM)的诊断模型进一步使用SHapley加法解释(SHAP)进行解释。结果:在研究队列中,15.46%的胆结石患者被诊断为MASLD。鉴定出七个变量作为胆结石患者合并MASLD的显著预测因子。在七种ML模型中,SVM算法获得最高AUC(0.902;95%置信区间:0.857–0.946)。模型性能在内部和外部验证组中得到确认,两组AUC值均超过0.7。校准曲线表明模型校准良好。SHAP解释显示,前三个预测特征为AIP(Atherogenic Index of Plasma,血浆动脉粥样硬化指数)、高脂血症和血红蛋白(hemoglobin)。结论:利用七个临床指标开发并验证了胆结石患者并发MASLD风险的预测模型。
研究背景与问题:代谢功能障碍相关脂肪性肝病(MASLD)旧称非酒精性脂肪性肝病(NAFLD),其特征为脂肪肝伴一个或多个心脏代谢风险因素,且无过量饮酒。1980年,Ludwig et al描述了一种类似酒精性肝炎、可在无过量饮酒个体中进展为肝硬化的肝病,并引入“非酒精性脂肪性肝炎”这一术语。2023年,多学会Delphi共识声明建议以MASLD替代NAFLD。MASLD是全球慢性肝病的主要原因,可从脂肪变性进展为非酒精性脂肪性肝炎、肝纤维化,最终发展为肝硬化。过去三十年中,全球成人MASLD患病率已超过30%,中国患病率超过29%。其病理生理主要由多重打击假说解释,即遗传易感个体受环境因素影响,导致脂质积累、胰岛素抵抗、肥胖和肠道菌群失调。胆结石是常见消化系统疾病,影响10–20%成人,75%病例早期无症状。Konyn et al的流行病学研究结果显示,胆结石病是MASLD的独立危险因素。MASLD与胆结石病共享高脂血症、肥胖、久坐生活方式和糖尿病等常见风险因素。多项研究强调脂代谢紊乱和慢性炎症在MASLD发病中的关键作用。机器学习(ML)作为人工智能的子集,已被证明能有效分析大型数据集中复杂关系,并在预测诊断、术后并发症和预后方面广泛应用。尽管肝活检是诊断肝脂肪变的金标准,但其受成本和相关风险限制。ML可处理高维和非线性数据,更适合识别胆结石人群中MASLD风险因素。因此,研究人员旨在开发并验证可解释ML模型,以预测胆结石患者MASLD风险。

研究开展与主要结论及意义:研究人员开展多中心回顾性横断面研究,最终纳入524例患者,其中内部训练组274例、内部测试组116例、外部验证组134例。基于电子病历(EMR)收集40个临床变量,使用LASSO logistic回归和Boruta算法筛选特征,最终确定7个关键特征:AIP、高脂血症、血红蛋白、白蛋白、PHR、HDL和AST。随后使用七种ML算法构建模型,SVM模型表现最佳,在内部训练集AUC为0.902,在内部测试集和外部验证集AUC分别为0.745和0.803。SHAP解释显示,AIP、高脂血症和血红蛋白是前三位预测特征,且均对MASLD预测起正向作用。该研究为胆结石患者合并MASLD风险分层提供了初步参考,但临床应用前仍需大规模前瞻性验证。

关键技术方法(不超过250字):研究人员采用多中心回顾性横断面设计,内部队列来自武汉第三医院光谷院区2023年1月至2025年8月的390例胆结石患者,外部验证队列来自同期首义院区134例受试者,排除后总队列524例。基于EMR收集40个变量,包括基线资料、实验室指标及衍生指标。采用LASSO logistic回归和Boruta算法进行特征选择;使用SMOTE处理内部训练集类别不平衡;构建Logistic回归、SVM、梯度提升机(GBM)、神经网络、极端梯度提升(XGBoost)、分类提升(CatBoost)和自适应提升(AdaBoost)七种ML模型,并进行10折交叉验证。模型性能以AUC、准确率、精确率、灵敏度、特异度、F1评分和Brier评分评估,采用校准曲线和决策曲线评价,并以SHAP解释SVM模型。样本量依据每变量事件数(EPV)计算。

研究结果:
参与者基本特征:最终纳入524例受试者,内部训练组274例、内部测试组116例、外部验证组134例。三组胆结石合并MASLD概率分别为16.06%(44/274)、15.52%(18/116)和14.18%(19/134)。基线临床资料在三组间进行了比较。
特征选择:为识别胆结石患者MASLD相关特征,研究人员整合Boruta算法识别的12个特征和LASSO算法选择的15个特征,最终确定7个关键特征:AIP、高脂血症、血红蛋白、白蛋白、PHR、HDL和AST。对7个特征进行方差膨胀因子(VIF)分析,所有VIF值均低于2.5,表明预测特征间不存在严重多重共线性。
模型构建与验证:基于内部训练集,研究人员使用七种ML算法构建风险模型。SVM模型获得最高AUC,为0.902(95%置信区间:0.857–0.946),Brier评分为0.128。在内部测试集和外部验证集中,AUC分别降至0.745和0.803。校准曲线分析显示,各模型预测概率与事件实际发生率总体一致,预测概率曲线与理想参考线接近。决策曲线分析在0–1阈值概率范围内评估临床效用,SVM模型优于“全部治疗”和“不治疗”策略,在训练集0.1–0.9、内部测试集0.1–0.3和外部验证集0.1–0.3范围内观察到临床有用的净获益,支持其用于胆结石患者MASLD风险筛查。
敏感性分析:研究人员比较了包含和不包含高脂血症特征时SVM模型性能。结果表明,两种策略下模型性能指标高度相似。SVM模型在内部测试数据集中包含和不包含高脂血症特征时AUC分别为0.803和0.81,准确率、灵敏度、特异度、精确率、F1和Brier评分均无显著变化,提示特征选择虽存在一定重叠,但不影响模型稳健性。
SHapley加法解释(SHAP)可视化:为增强可解释性,研究人员应用SHAP方法解释SVM模型。SHAP分析显示,按重要性降序排列,前三位预测特征为AIP、高脂血症和血红蛋白,且均对MASLD预测起正向作用。SHAP摘要图、力图和瀑布图展示了七个特征对结局的贡献。

讨论总结:胆结石与MASLD共享常见风险因素,胆结石患者发生MASLD风险增加,并造成显著全球经济损失。既往研究主要关注胆结石患者MASLD发病率,较少开发预测风险模型。因此,研究人员分析40个临床变量,使用两种ML算法识别与胆结石和MASLD共病相关的7个关键特征,并使用七种ML算法构建和验证风险模型。SVM模型表现最佳,内部测试集和外部验证集AUC分别为0.745和0.803。尽管SVM在内部训练集中AUC较高,但在内部测试集和外部验证集中略有下降,提示轻度过拟合,可能与训练样本量有限和临床数据异质性有关。SVM模型F1评分在内部测试集和外部验证集中明显下降,可能归因于胆结石患者中MASLD患病率较低,该情况易导致较高假阳性率。尽管模型在外部验证中表现出可接受稳定性,但其泛化能力仍有限。决策曲线、校准曲线和Brier评分进一步确认模型有效性。为增强结果可解释性,研究人员应用SHAP方法解释SVM模型并按重要性排序。前三位特征为AIP、高脂血症和血红蛋白,三者均与MASLD正相关。高脂血症此前已被确定为MASLD显著风险因素。AIP是评估脂代谢紊乱和动脉粥样硬化风险的新型生物标志物,作为动脉粥样硬化性血脂异常的综合指标,与心血管疾病风险增加强相关。血脂异常是MASLD主要促进因素,近期研究显示AIP与MASLD相关。AIP可视为脂肪肝病的特异性生物标志物,在诊断严重肝脂肪变方面具有高灵敏度。Song et al的队列研究发现,AIP指数最高四分位个体比最低四分位个体更易发生MASLD。Gan et al的回顾性研究提示,基线AIP可能作为60岁以下MASLD患者全因死亡或心血管疾病死亡的有效预测指标。血红蛋白主要负责氧运输,其水平受多种因素影响,反映机体氧状态和代谢功能。氧化应激在MASLD发病中起关键作用,Liu et al证明氧化应激上调血红蛋白表达。血红蛋白可能反过来减轻氧化应激,从而在非酒精性脂肪性肝炎(NASH)中保护肝细胞免受氧化损伤。既往研究已证实血红蛋白浓度与NAFLD显著相关。墨西哥人群横断面研究发现,血红蛋白水平升高与肝脂肪变正相关。Yao et al的回顾性研究表明,较高血红蛋白水平与美国人群NAFLD风险增加显著且独立相关。该研究局限性包括:主要集中于中国人群,限制对其他种族群体的推广;回顾性设计可能引入选择偏倚和混杂因素,研究识别的是关联而非因果关系;实验室检测为单时间点;内部训练集样本量n=274可能限制模型泛化性和稳定性;模型尚未公开,将共病风险预测系统与EMR整合可能促进实时临床应用。

结论翻译:本研究开发并验证了一种用于预测胆结石患者MASLD的机器学习模型。SVM模型在外部验证中表现出良好且稳定的预测性能(AUC=0.803)。这些发现为风险分层提供了初步参考,但在临床应用前需要进一步大规模前瞻性验证。
相关新闻
生物通微信公众号
微信
新浪微博

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