基于膝关节液免疫因子建立区分OA与RA的机器学习模型

摘要

目的 基于膝关节液中免疫因子、细胞计数分类、膝关节液涂片结果等25个指标，建立用于区分膝骨关节炎(OA)与类风湿关节炎(RA)的机器学习模型。方法 分别选取100例和40例择期进行膝关节置换术的OA与RA患者。在术前抽取患者的膝关节液，检测其中的有核细胞计数及分类，测量免疫因子包括肿瘤坏死因子α (TNF-α)、白细胞介素1β(IL-1β)、 IL-6、 IL-8、 IL-15、基质金属蛋白酶3 (MMP3)、 MMP9、 MMP13、类风湿因子(RF)、血清淀粉样蛋白A (SAA)、 C-反应蛋白(CRP)等的表达水平，并进行涂片染色及镜检分类。通过单因素二元Logistic回归、 Lasso回归和多因素二元Logistic回归筛选OA或RA的独立影响因子。基于独立影响因子分别构建逻辑回归、随机森林和支持向量机3种机器学习模型。使用受试者工作特征曲线(ROC)、校准曲线、决策曲线分析(DCA)对各模型进行评价和比较。结果 共筛选出5个用于区分OA与RA的膝关节液指标，分别是IL-1β[优势比(OR)=10.512,95%可信区间(95%CI)为1.048-105.42,P=0.045)、 IL-6(OR=1.007,95%CI为1.001-1.014,P=0.022)、 MMP9(OR=3.202,95%CI为1.235-8.305,P=0.017)、 MMP13(OR=1.002,95%CI为1-1.004,P=0.049)、 RF(OR=1.091,95%CI为1.01-1.179,P=0.026)。综合ROC、校准曲线、 DCA的结果，随机森林模型的准确性(0.979)、敏感度(0.98)、曲线下面积(AUC为0.996,95%CI为0.991-1)均最高，且具有良好的有效性和可行性，其区分能力优于其他2种模型。结论 基于膝关节液免疫因子建立的机器学习模型在区分OA与RA方面有一定价值，能够为临床早期鉴别诊断和防治OA与RA提供参考。

关键词

机器学习 / 关节液 / 免疫因子 / 膝骨关节炎(OA) / 类风湿关节炎(RA)