《Tropical Animal Health and Production》:Routine serum biomarkers and lightgbm modeling for the diagnosis of abomasal ulcers in culled dairy cows
编辑推荐:
皱胃溃疡(abomasal ulcer, AU)是奶牛常见疾病,显著影响生产性能和寿命。本研究评估了血清生物标志物和粪便隐血试验(fecal occult blood test, FOBT)的诊断价值,并检验了轻型梯度提升机(Light Gradient Bo
皱胃溃疡(abomasal ulcer, AU)是奶牛常见疾病,显著影响生产性能和寿命。本研究评估了血清生物标志物和粪便隐血试验(fecal occult blood test, FOBT)的诊断价值,并检验了轻型梯度提升机(Light Gradient Boosting Machine, LightGBM)模型预测溃疡发生的能力。对304头淘汰奶牛进行了屠宰后分析,并采集血液和粪便样本。根据皱胃溃疡存在(n=249)或不存在(n=55)对动物进行分类。包括胃泌素(gastrin)或胃蛋白酶原(pepsinogen)在内的任何单一生物标志物均未显示一致的诊断价值。FOBT显示高特异性(90.9%)但低敏感性(27.7%),而LightGBM模型显示有限的区分性能(AUC ROC=0.60)。该模型识别肌酐(creatinine)、血小板计数(platelet count)、γ-谷氨酰转移酶(gamma-glutamyl transferase, GGT)、平均红细胞血红蛋白(mean corpuscular hemoglobin, MCH)和总蛋白(total protein)为相关特征。这些发现表明,当前血清生物标志物和常规血液变量不足以对AU进行准确的个体诊断,强调需要更特异的诊断工具。
研究背景:皱胃溃疡(abomasal ulcer, AU)是奶牛临床相关的胃肠道病变,可从伴轻微或无临床症状的浅表黏膜溃疡,发展至伴全身恶化的出血性溃疡或穿孔性溃疡。AU在奶牛中尤其重要,可能在泌乳早期和日粮变化期更常发生。其发生为多因素性,易感因素包括高精料饲喂、应激和并发代谢性疾病。AU常按Whitlock(1980)提出的系统分为AU1—AU5,Braun等进一步将AU1分为1A—1D亚型,并将AU5细化为穿孔进入网膜囊的溃疡。AU1为非穿孔性皱胃黏膜溃疡,按宏观表现和病变深度分为1A—1D,从浅表黏膜缺损到更深或更慢性溃疡性病变,部分可见局部出血。AU2涉及大血管侵蚀并伴大量腔内出血,可导致黑便、贫血或黏膜苍白。AU3和AU4分别为伴局限性腹膜炎和弥漫性腹膜炎的穿孔性溃疡,AU5穿孔进入网膜囊并引起网膜囊炎。尽管有上述分类,产前诊断仍具挑战,因为临床表现可能非特异,单一临床变量鉴别AU与其他胃肠道疾病的诊断可靠性有限。临床上,AU难以诊断,许多患病牛表现食欲不振和产奶量下降等非特异表现,而黑便等更具提示性的体征主要与出血性溃疡相关。常规血液学和生化分析可揭示贫血、炎症或代谢紊乱,但缺乏诊断特异性。超声检查或腹腔液检查等辅助检查限于复杂病例。胃泌素(gastrin)和胃蛋白酶原(pepsinogen)等血清生物标志物曾被提出作为皱胃及其他胃肠道疾病的潜在诊断工具,研究报告胃泌素升高与牛和水中皱胃移位或溃疡相关;胃蛋白酶原由皱胃主细胞产生,与黏膜损伤和寄生虫性胃炎相关。然而,已发表结果不一致,可能与动物生理、检测技术和疾病慢性程度差异有关。FOBT也被评估为检测胃肠道出血的间接方法,但其对皱胃溃疡的诊断敏感性仍低。鉴于这些局限,整合多个生物标志物和计算模型以提高诊断准确性的兴趣增加;LightGBM(Light Gradient Boosting Machine)等机器学习算法可数据驱动识别生化数据中的复杂非线性模式。因此,本研究旨在评估血清生物标志物和FOBT对淘汰奶牛AU的诊断价值,并评估LightGBM模型预测病变存在的性能。
研究人员开展了304头荷斯坦或荷斯坦杂交淘汰奶牛的屠宰后研究,动物来自巴西圣保罗州多个农场并进入巴西东南部商业屠宰场;根据有无宏观皱胃溃疡分类,有溃疡249头、无溃疡55头。研究结论为:常规血液学和生化标志物对淘汰奶牛AU的产前检测诊断价值有限;纤维蛋白原与溃疡负荷相关,FOBT显示高特异性但低敏感性;单个生物标志物或多变量机器学习均未达到可靠临床应用所需的诊断准确性。FOBT阳性可能有助于确认出血性溃疡,但因低敏感性不适合广泛筛查。这些发现强调需要更特异的生物标志物和超越常规血液生化检测的整合诊断方法。
关键技术方法:在商业屠宰场对304头淘汰奶牛(来源圣保罗州多个农场)进行屠宰后皱胃宏观检查,按Braun等分类并按Munch等划分解剖区;于放血时采血、去内脏时采粪;用自动化设备进行血液学和生化分析;检测血清胃泌素、胃蛋白酶原、FOBT及寄生虫学分析以排除寄生虫相关粪血干扰;采用Mann-Whitney检验、卡方或Fisher精确检验、Spearman相关及FOBT诊断性能评估;构建监督性LightGBM分类模型,纳入25个血液生化预测变量,随机分为75%训练集和25%测试集,分层五折交叉验证,以AUC ROC优化超参数,在Python中完成建模。
研究结果:
皱胃溃疡的描述性发现(Descriptive findings of abomasal ulcers):对304头淘汰奶牛屠宰后检查并按有无宏观皱胃溃疡分类,249头有溃疡、55头无溃疡;在有溃疡牛中共识别5,496个溃疡。包括无溃疡牛在内,所有304头牛平均溃疡数为18.1个/头,中位数为6.5(范围0—349);至少有一个溃疡的牛平均溃疡数为22.1个/头,中位数为9(四分位间距(interquartile range, IQR)4—23;范围1—349)。多数溃疡位于Zone 1(3,811/5,496;69.3%),其次为Zone 3(1,475/5,496;26.8%)和Zone 2(210/5,496;3.8%)。按严重程度,亚型1B最常见(3,138/5,496;57.1%),其次为1A(1,969/5,496;35.8%);1C和1D分别为139个(2.5%)和92个(1.7%),2型溃疡和穿孔性溃疡分别为73个(1.3%)和85个(1.5%)。由此得出,屠宰后宏观检查可描述AU的解剖分布和病变类型,且1B和1A占多数。
血液学和生化变量(Hematological and biochemical variables):比较有和无皱胃溃疡奶牛的炎症、血清生化和血液学变量。体况评分(body condition score)在两组间无差异(中位数2.5,IQR 2.0—3.5 vs. 中位数2.5,IQR 2.0—3.0;P=0.765)。有皱胃溃疡牛的血浆纤维蛋白原浓度显著高于无溃疡牛(中位数400 vs. 200 mg/dL;P=0.007);GGT和肌酸激酶(creatine kinase, CK)活性在有溃疡牛中也显著较高(P=0.049和P=0.035)。AST、尿素、肌酐、总蛋白、白蛋白、β-羟丁酸、钙、血小板计数、总白细胞计数、胃泌素或胃蛋白酶原均无显著差异(P>0.05)。由此得出,仅纤维蛋白原、GGT和CK在组间有差异,包括胃泌素和胃蛋白酶原在内的多数指标缺乏显著判别价值。
与溃疡负荷的相关性(Correlations with ulcer burden):评估实验室变量与总溃疡数的相关性;总溃疡面积也作为溃疡负荷指标评估,但仅血浆纤维蛋白原与该变量呈弱而显著正相关(ρ=0.168;P=0.004),其余实验室变量无显著关联(P>0.05)。讨论指出纤维蛋白原与总溃疡数和溃疡面积均呈弱正相关。由此得出,纤维蛋白原可能与溃疡负荷相关,但相关性弱。
粪便隐血试验(Fecal occult blood test, FOBT):因7头牛粪样不可用,FOBT在297头牛中实施。总体上,至少有一个皱胃溃疡的牛中27.7%(67/242)FOBT阳性,而无溃疡牛中9.1%(5/55)阳性(P=0.0063;Fisher精确检验),比值比(odds ratio, OR)为3.83;95%置信区间(confidence interval, CI)1.46—10.01。以任何溃疡存在为参考条件,FOBT敏感性27.7%、特异性90.9%、阳性预测值(positive predictive value, PPV)93.1%、阴性预测值(negative predictive value, NPV)22.2%。单独考虑出血性溃疡(至少一个1B亚型或2型溃疡)时,148头中有48头(32.4%)FOBT阳性,而无这些病变的149头中有24头(16.1%)FOBT阳性;该关联显著(P=0.0016;OR=2.50;95% CI 1.43—4.36)。对该结局,FOBT敏感性32.4%、特异性83.9%、PPV 66.7%、NPV 55.6%。总溃疡数与FOBT阳性呈弱而显著正相关(ρ=0.226;P<0.001)。由此得出,FOBT与溃疡存在及出血性溃疡相关,特异性高但敏感性低。
LightGBM模型(LightGBM model):构建LightGBM模型评估血液学和生化变量联合预测价值。数据集含304头牛,缺失预测值由LightGBM算法原生处理;随机分为75%训练集和25%测试集,在独立测试集(n=76)评估性能。模型区分能力有限,AUC ROC为0.60,按已发表标准为差;总体分类准确率61.8%。模型性能主要受低特异性限制,表明正确分类无皱胃溃疡牛的能力降低。基于归一化增益的特征重要性分析识别肌酐、血小板计数、GGT、MCH和总蛋白为对模型预测贡献最大的变量。由此得出,常规变量联合建模仍不能充分区分AU。
讨论部分总结:皱胃溃疡为多因素疾病,受营养、代谢、感染和管理相关因素影响,常是全身紊乱的结果而非孤立胃病理。酮病、皱胃移位、瘤胃酸中毒和肝功能障碍等常共存,损害皱胃黏膜完整性,并有助于解释常规血液学和生化标志物诊断特异性有限,因为这些标志物主要反映非特异性炎症或代谢反应。本研究中纤维蛋白原在有溃疡牛中较高,并与总溃疡数和溃疡面积呈弱正相关,支持其作为提示全身炎症的急性期蛋白而非病变特异性病理;但纤维蛋白原未成为多变量LightGBM模型中的相关预测因子,说明其作为孤立诊断标志物价值有限,但仍可能提供溃疡负荷信息。血液学发现诊断价值有限。虽然出血性皱胃溃疡牛常预期贫血,但本研究中红细胞压积(packed cell volume)、红细胞计数和血红蛋白浓度高于参考范围;这种相对性红细胞增多可能反映屠宰前处理、禁食、运输相关脱水或其他非溃疡相关因素,而非AU特异标志物。总白细胞计数与总溃疡数弱正相关,但多在正常范围内,限制其临床诊断用途;穿孔性溃疡牛白细胞较高可能反映晚期病变更严重炎症反应,部分符合严重病例白细胞变化报告。肝和肌酶变化非特异。虽然出血性皱胃溃疡牛和水中曾报告AST、GGT和CK活性升高,但本研究这些酶判别价值有限;CK在有溃疡牛中较高,AST仅与总溃疡数弱相关且组间无显著差异,GGT组间有差异但仅与溃疡负荷弱关联。这些变化可能反映肌肉损伤、肝应激、屠宰前处理或并发全身状况而非溃疡特异过程,尤其考虑AST肝特异性有限。即使考虑肝功能障碍和应激相关状况在AU发病中的可能作用,这些酶在本群体未提供一致诊断判别。与皱胃分泌功能相关的标志物诊断相关性有限。胃泌素参与胃酸分泌和黏膜营养,曾与反刍动物皱胃移位、溃疡和寄生虫感染相关;与出血性溃疡牛或1型病变水中胃泌素升高的报告相反,本研究中胃泌素浓度在有和无溃疡牛间无差异,且与总溃疡数仅呈弱负相关;使用与放射免疫分析法可比的化学发光法获得的结果表明,胃泌素作为淘汰奶牛诊断生物标志物的临床适用性有限。胃蛋白酶原由皱胃主细胞产生,曾被提出作为胃黏膜损伤标志物,但本研究中组间无差异且与溃疡负荷无关联;这与出血性或穿孔性溃疡及临床受影响反刍动物胃蛋白酶原升高的研究相反,差异可能与研究群体、病变严重度、临床状态、采样时间和个体牛多种溃疡亚型共存有关。由于实验室生物标志物在动物水平测量,而不同溃疡类型常在同一牛共存,按亚型解释血清生物标志物性能较困难;某些病变类别尤其2型溃疡牛数量少,进一步限制按溃疡亚型进行稳健诊断准确性估计。FOBT与溃疡存在显著相关,显示高特异性但低敏感性;仅考虑出血性溃疡时敏感性略增,支持其作为出血性病变确认工具而非筛查方法。该发现生物学上合理,因为隐血检测依赖活动性或近期胃肠道出血;胃肠道出血的间歇性可能解释低敏感性,并提示重复采样可能提高检出率。因此,FOBT阳性可增加对出血性皱胃溃疡的怀疑,但阴性结果不能排除溃疡。为探索组合多个非特异变量能否提高诊断性能,研究人员应用LightGBM模型,旨在评估常规血液学和生化变量的组合模式能否在单个标志物解释之外改善预测。尽管模型识别肌酐、血小板计数、GGT、MCH和总蛋白为最相关预测因子,总体判别性能有限,对无皱胃溃疡牛分类较差;提示常规实验室变量即使整合入多变量机器学习方法,主要捕获淘汰奶牛常见的全身代谢或系统改变而非溃疡特异过程。研究局限性包括:屠宰场虽接收不同农场淘汰奶牛,但个体临床史、详细管理信息和并发疾病完整评估不可用,因此不能排除未记录状况对非特异实验室标志物的可能影响;无溃疡牛数量较少可能造成类别不平衡并影响LightGBM模型预测性能,尤其特异性。尽管如此,基于屠宰场的方法反映常见田间条件,并允许在大量淘汰奶牛中综合评估死后病变及多个实验室变量。研究结论翻译:常规血液学和生化标志物对淘汰奶牛皱胃溃疡的产前检测诊断价值有限。尽管纤维蛋白原与溃疡负荷相关,FOBT显示高特异性,但单个生物标志物或多变量机器学习均未达到可靠临床应用所需的诊断准确性。FOBT阳性可能有助于确认出血性溃疡,但由于低敏感性不适合广泛筛查。这些发现强调需要更特异的生物标志物和超越常规血液生化检测的整合诊断方法。