基于无监督机器学习的COVID-19肺炎住院患者临床表型聚类分析及预后预测

编辑推荐：为破解COVID-19患者临床异质性难题，泰国Ramathibodi医院团队通过K-means聚类算法分析538例住院患者数据，发现3种特征鲜明的临床表型（肝酶异常型/轻症型/多器官衰竭型），其中高炎症表型患者90天死亡率达10.6%（HR=6.24），为精准分层治疗提供AI驱动的决策依据。

　　新型冠状病毒肺炎（COVID-19）的临床异质性一直是困扰临床诊疗的重大挑战。从无症状感染到急性呼吸窘迫综合征，患者临床表现差异悬殊，这种"同病不同命"的现象暗示着潜在的不同疾病亚型存在。传统基于单一生物标志物的预后预测模型往往捉襟见肘，而人工智能技术的兴起为破解这一难题提供了新思路。

泰国Ramathibodi医院Nuttinan Nalinthasnai领衔的多学科团队在《BMC Pulmonary Medicine》发表了一项开创性研究。研究人员采用无监督机器学习中的K-means聚类算法，对2021年7-9月期间收治的538例COVID-19肺炎住院患者进行深度表型分析。这项研究创新性地整合了48项临床指标，包括炎症标志物、器官功能参数和影像学特征，通过计算最优的聚类数量，揭示了三种具有显著预后差异的临床表型。

研究团队采用Orange Data Mining平台进行数据预处理和建模。所有变量经过Z-score标准化后，通过肘部法则和轮廓系数确定最佳聚类数为3。生存分析采用Cox比例风险模型，以90天死亡率和气管插管率为主要终点。队列来自Ramathibodi医院及其附属医疗中心，排除了入院即需机械通气的危重病例。

研究结果呈现三个鲜明表型：

1. 肝损伤表型（Cluster 1，n=27）：以男性为主（70.4%），特征性表现为AST（142.8±68.9 IU/L）和ALT（156.3±76.7 IU/L）显著升高，但 paradoxically（矛盾的是）呈现100%生存率。
2. 轻症表型（Cluster 2，n=370）：占68.8%，以低胸部X线评分（2.0±0.9）和高白蛋白（4.3±0.3 g/dL）为特征，死亡率仅1.6%。
3. 高炎症表型（Cluster 3，n=141）：老年（67.7±14.2岁）、糖尿病高发（51.8%），伴随CRP（61.2 mg/dL）、D-二聚体（850 ng/mL）飙升和淋巴细胞减少（1108±617 cells/mm³），死亡率骤增至10.6%，插管风险增加5.26倍。

讨论部分指出，该研究首次在东南亚人群中系统描绘COVID-19的临床表型图谱。特别值得注意的是，单纯肝酶升高但无多器官衰竭的患者（Cluster 1）预后良好，这一发现挑战了既往认为肝损伤必然预示不良结局的认知。而Cluster 3的"炎症风暴"特征为早期识别高危患者提供了可量化的指标组合。研究者建议对该表型患者优先采取抗炎治疗和密切监护。

该研究的临床价值在于：① 建立了基于入院24小时常规检查的快速分型体系；② 证实机器学习能捕捉传统风险评估忽略的复杂特征交互；③ 为资源有限地区提供了实用的风险分层工具。局限性包括Delta变异株时期的单中心数据，以及未纳入新兴抗病毒治疗的影响。未来研究可结合多组学数据进一步细化表型，并探索不同变异株时期的表型演化规律。