《Frontiers in Endocrinology》:Extreme phenotype-derived machine learning reveals susceptibility and resilience signatures for severe diabetic retinopathy
编辑推荐:
背景:糖尿病个体中,为何部分人群发展为重度糖尿病视网膜病变(diabetic retinopathy, DR),而另一些即使在长期患病后仍无视网膜并发症,其机制尚不完全清楚。研究人员旨在利用极端表型衍生的机器学习框架,识别与重度DR相关的系统性易感性与抵抗性特
背景:糖尿病个体中,为何部分人群发展为重度糖尿病视网膜病变(diabetic retinopathy, DR),而另一些即使在长期患病后仍无视网膜并发症,其机制尚不完全清楚。研究人员旨在利用极端表型衍生的机器学习框架,识别与重度DR相关的系统性易感性与抵抗性特征。
方法:研究建立了一个极端表型队列,共纳入712例糖尿病患者,其中437例为增殖性糖尿病视网膜病变(proliferative diabetic retinopathy, PDR;易感表型),275例为糖尿病病程≥10年且无视网膜病变者(抵抗性表型)。研究整合临床和生化变量以开发可解释的机器学习模型。采用SHapley Additive exPlanations(SHAP)对最优模型进行解释。另纳入一个独立的社区糖尿病队列(n=673),用于评估易感性特征在真实世界人群中的分布。
结果:最小绝对收缩与选择算子(Least Absolute Shrinkage and Selection Operator, LASSO)回归筛选出21个与表型相关的特征用于模型开发。在评估的算法中,轻量梯度提升机(Light Gradient Boosting Machine, LightGBM)对易感与抵抗表型的区分能力最强,内部验证队列的受试者工作特征曲线下面积(area under the receiver operating characteristic curve, AUC)为0.90(95%CI,0.84–0.95)。SHAP分析确定尿白蛋白排泄率(urinary albumin excretion rate, UAER)、糖尿病病程、血清肌酐、总蛋白、年龄和高血压病程为主要表型定义特征。值得注意的是,UAER与易感性评分呈现显著非线性关联,提示肾脏微血管损伤与重度DR易感性之间存在密切关联。在社区队列中,易感性特征在总体人群中区分能力有限(AUC=0.54),但在代谢负荷较重的个体中逐渐富集,在空腹血糖≥9.0 mmol/L的参与者中AUC达到0.71。
结论:利用极端表型衍生的机器学习框架,研究人员识别出与重度糖尿病视网膜病变相关的系统性易感性与抵抗性特征。肾功能障碍、白蛋白尿、血糖负荷和病程成为关键的表型定义特征。这些特征在代谢应激个体中逐渐富集,支持重度糖尿病视网膜病变源于内在生物学易感性与累积代谢暴露相互作用的观点。该框架可能为糖尿病眼病的异质性提供新见解,并促进未来精准风险分层策略的发展。
论文解读:极端表型与机器学习结合揭示重度糖尿病视网膜病变的易感性与抵抗性特征
一、研究背景与问题
糖尿病视网膜病变(diabetic retinopathy, DR)是全球劳动年龄人群可预防性失明的主要原因,其晚期阶段即增殖性糖尿病视网膜病变(proliferative diabetic retinopathy, PDR)以视网膜新生血管为特征,存在严重的不可逆视力丧失风险。由于PDR所致结构损伤的不可逆性,早期识别和及时干预高危患者对保护视功能至关重要。尽管慢性高血糖、糖尿病病程、高血压和肾功能障碍已被一致认为与DR进展相关,但临床实践中存在显著个体差异。部分患者在相对较短的糖尿病暴露后即发展为晚期视网膜病变,而另一些患者尽管患病数十年仍完全无视网膜病变。这一现象提示重度DR的发生并非仅由累积代谢负荷决定,还可能反映个体对微血管损伤的生物学易感性和抵抗性的内在差异。然而,区分高度易感个体与长期抵抗视网膜损伤个体的系统性特征仍不完全清楚。
既往大多数机器学习研究集中于利用异质性糖尿病人群开发DR检测预测模型。这些方法虽显示出良好的判别性能,但常受限于病例与对照之间的大量表型重叠。特别地,被分类为非糖尿病视网膜病变(non-diabetic retinopathy, NDR)的个体常包括病程较短、后续随访中可能发生视网膜病变的患者,这种异质性可能掩盖生物学信号并削弱识别疾病易感性机制的能力。此外,在混合人群中训练的模型主要优化预测准确性,而非揭示区分易感与受保护个体的生物学因素。
极端表型设计为克服这一局限提供了有力策略。通过比较疾病谱两端的个体,可以最大化生物学对比度并放大疾病相关信号。该方法已成功应用于遗传学和复杂疾病研究。在DR背景下,增殖性视网膜病变患者代表极端易感表型,而长期糖尿病且无视网膜病变者构成独特的抵抗性表型。近年来人工智能的进展拓展了计算方法在生物医学研究中的应用,基于临床变量的模型在识别表征重度DR极端易感或抵抗个体方面仍相对探索不足。可解释机器学习方法能捕捉常规临床特征之间的非线性关系,同时允许考察个体预测因子的贡献。本研究的主要目标并非开发新型机器学习算法或DR通用筛查模型,而是应用极端表型框架识别与重度DR相关的系统性易感性和抵抗性特征。
二、关键技术方法概述
研究建立了一个极端表型队列,包括2015年1月1日至2017年12月31日期间在北京同仁医院住院的712例2型糖尿病患者,分为437例PDR易感表型组和275例病程≥10年且无视网膜病变的抵抗性表型组。从电子病历系统提取47项基线与生化特征,排除缺失率>30%的变量后保留27项常规特征,采用Spearman秩相关分析处理多重共线性,K近邻算法(K=5)填补缺失数据并作Z-score标准化。队列按分层抽样分为训练集(80%)和内部验证集(20%),仅在训练集内使用LASSO回归筛选特征,确定21个非零系数预测因子。随后训练五种监督学习算法:逻辑回归(LR)、随机森林(RF)、支持向量机(SVM)、极端梯度提升(XGBoost)和LightGBM。模型性能在独立内部验证集中评估,采用SHAP分析进行模型解释。另招募2023年1月1日至2024年12月31日期间的社区队列(n=673)用于外部验证。
三、研究结果
(一)发现队列的基线特征
与NDR组相比,PDR患者男性比例更高(69.09% vs. 54.18%)、年龄更年轻(58.02 vs. 61.59岁),收缩压和舒张压显著升高,但高血压病程反而较短。代谢和生化方面,PDR组尿白蛋白排泄率(UAER)显著升高(568.58 vs. 35.45 μg/min),血尿素氮和血清肌酐水平明显增高,总胆固醇和低密度脂蛋白胆固醇升高,白蛋白降低,胆红素和转氨酶存在改变。空腹血糖显著升高(8.51 vs. 7.31 mmol/L),而糖化血红蛋白(HbA1c)无组间差异。这表明重度DR与多维度系统性异常相关。
(二)降维与最优特征选择
LASSO回归在最优log(λ)阈值下筛选出21个非零系数特征:性别、年龄、吸烟、高血压、高血压病程、糖尿病病程、BMI、SBP、DBP、BUN、Scr、UA、TP、ALB、TBIL、DBIL、ALT、LDL、TC、FBG和UAER。这些特征涵盖血糖控制、肾功能、血压调节、脂质代谢、肝功能和人口统计学特征等多个生物学领域。
(三)五种机器学习模型综合性能
LightGBM模型AUC为0.90(95%CI:0.84-0.95),优于RF(0.89)、XGBoost(0.89)、LR(0.83)和SVM(0.83)。LightGBM和XGBoost的平均精度(AP)均达到0.94。在Youden指数确定的最优截断值下,LightGBM准确度为0.85,F1分数为0.88,敏感度为0.86。决策曲线分析显示LightGBM、XGBoost和RF在几乎整个阈值概率范围内均比“全部治疗”和“全部不治疗”策略提供更高净临床获益。
(四)SHAP分析识别易感性与抵抗性特征
SHAP全局特征重要性排序显示UAER和糖尿病病程为最主导的预测因子。蜂群图表明升高的UAER、延长的糖尿病病程、肾功能受损和血糖控制较差与易感表型相关。SHAP依赖图揭示UAER存在显著阈值效应:即使UAER轻度升高也会导致SHAP值急剧增加至高水平并随后趋平,表明早期微量白蛋白尿的出现可极大增加重度视网膜病变的可能性。糖尿病病程呈现不同非线性模式:较短病程时的高SHAP值反映极端表型设计特征,超过抵抗性表型阈值后易感性评分随病程逐渐增加。
(五)社区队列外部验证
在整体社区队列中,模型判别能力有限(AUC=0.55)。预先定义的亚组分析显示,随着代谢负荷增加,易感性特征逐渐富集:空腹血糖≥8.0 mmol/L且病程≥5年者AUC提高至0.70,空腹血糖≥9.0 mmol/L者AUC进一步提高至0.72。这表明极端表型分析识别的生物学特征在糖尿病人群中并非均匀分布,而是集中在暴露于更大代谢应激的个体中。
(六)临床应用与网页界面
最终LightGBM模型部署为基于Streamlit框架的交互式网络应用,用户输入常规临床与生化变量后可获得个体化易感性评分,反映与重度DR表型的相似程度。该平台作为生物学风险分层和定向眼科监测的概念验证决策支持工具。
四、讨论与结论
本研究的核心发现是UAER作为表型区分的最主导特征,其数量级差异和SHAP分析中的持续领先排名凸显了白蛋白尿作为微血管脆弱性系统标志的中心作用。视网膜和肾脏微血管损伤可能代表系统性血管脆弱的平行表现而非孤立的器官特异性并发症。抵抗性表型个体表现出较低的白蛋白尿水平、更好的肾功能、较低血压和更有利的代谢谱,支持对DR的保护可能反映维持微血管完整性的主动生物学机制。
糖尿病病程在传统单变量比较中无显著差异却在SHAP分析中位居前列,这展示了机器学习方法相对于传统统计方法的优势:能够捕捉非线性效应和临床变量间的复杂交互。值得注意的是,社区队列验证中易感性特征在代谢负荷较大个体中渐进富集,支持重度DR发生源于内在易感性与累积代谢暴露两个互补过程交互作用的观点。研究局限性包括回顾性设计、极端表型策略可能不完全代表更广泛糖尿病人群、变量限于常规临床数据以及分子机制未能直接评估。未来需结合基因组学、蛋白质组学、代谢组学和纵向随访的前瞻性研究。总之,研究人员通过极端表型衍生的机器学习框架识别了与重度DR相关的系统性易感性和抵抗性特征,肾功能障碍、白蛋白尿、血糖负荷和病程为主要表型定义特征,该框架可能为糖尿病眼病的生物学分层和精准筛查策略提供潜在基础。