基于超级学习器预测 2 型糖尿病初诊患者糖尿病肾病风险：开拓早期诊疗新方向

为解决糖尿病肾病（DKD）早期预测模型有效性和临床应用受限的问题，研究人员开展了利用真实世界数据开发并验证 2 型糖尿病（T2DM）初诊患者 DKD 预测模型的研究。结果显示，SuperLearner 模型预测效果最佳，还明确了关键风险因素，有助于改善患者诊疗。

　　在健康领域，糖尿病肾病（DKD）是糖尿病（DM）常见且严重的微血管并发症，堪称 “沉默的杀手”。多数患者在 DKD 早期毫无症状，一旦病情发展到晚期，往往不可逆转，最终可能导致终末期肾病（ESRD），患者只能依靠透析或肾移植维持生命。全球范围内，约 30% 的糖尿病患者会发展为 DKD，而且 DKD 已成为透析的首要病因 。尽管目前有不少关于 DKD 预测模型的研究，但这些模型存在诸多缺陷。从研究设计看，以往研究的人群选择常与真实世界就诊的 2 型糖尿病（T2DM）患者不匹配，或因对数据完整性要求不当而引入偏差，比如部分研究排除了无基线估计肾小球滤过率（eGFR）的患者，这可能高估模型的预测能力。从方法学角度，之前的最佳模型多为单一类型的分类器，难以应对潜在预测因素的复杂性和相互作用，且在风险预测因子选择和缺失数据处理方面也存在不足。因此，开发更精准、实用的 DKD 早期预测模型迫在眉睫。

为了攻克这一难题，宁波中医药研究院、宁波中医院（浙江中医药大学附属医院）等机构的研究人员展开了深入研究。他们的研究成果发表在《BMC Medical Informatics and Decision Making》杂志上，为 DKD 的早期诊断和干预带来了新的希望。

研究人员采用了多种关键技术方法。首先，他们进行了回顾性队列研究，收集了 2011 - 2023 年宁波中医院初诊为 T2DM 患者的数据。在数据处理上，通过一系列筛选标准确定研究对象，对缺失数据采用多元链式方程插补法（MICE）处理。然后，运用多种机器学习算法，包括典型线性模型、典型非线性模型和 SuperLearner，构建预测模型，并利用 SHapley Additive exPlanation（SHAP）对模型进行解释 。

研究结果如下：

1. 患者特征：研究共纳入 3291 名患者，中位年龄 61 岁，女性占 47.1% 。中位随访时间 2.53 年，随访期间 17.1% 的患者被诊断为 DKD。
2. 预测变量和结果：经过数据筛选，确定了 46 个预测变量和 1 个结果变量。对比未进展为 DKD 和进展为 DKD 的患者基线特征，发现多项指标存在显著差异。例如，未患 DKD 的患者红细胞计数（RBC_Cnt）、血红蛋白（Hb）等指标高于患 DKD 的患者，而患 DKD 的患者年龄、尿 pH 值等指标与之呈正相关。
3. 模型开发、评估和验证：将所有变量作为输入，对比五种机器学习算法的预测能力，SuperLearner 模型的曲线下面积（AUC）最高（0.714，95% 置信区间 0.673 - 0.755），被选为最佳模型。在验证队列中，该模型区分 DKD 的敏感性为 0.7337，特异性为 0.5910 。根据预测概率将患者分为高、低风险组，两组生存曲线差异有统计学意义（P<0.01）。
4. 风险因素解释：利用 SHAP 解释 SuperLearner 模型结果，发现白细胞计数（WBC_Cnt）、中性粒细胞计数（Neut_Cnt）、血细胞比容（Hct）、Hb 等是重要的预测变量。较高的 WBC_Cnt、较低的 Neut_Cnt、较高的 Hct 和较低的 Hb 水平与 DKD 风险增加相关。

研究结论和讨论部分指出，该研究利用 SuperLearner 和 SHAP 揭示了预测因素与 DKD 结局之间的复杂关系，发现了新的预测标志物，如 WBC_Cnt和尿 pH 值。研究设计基于真实世界就诊的 T2DM 患者，提高了模型的临床适用性。与以往单一分类器建模不同，该研究对比多种模型，证实了 SuperLearner 模型的优越性。此外，SHAP 的应用增强了模型的可解释性，为临床决策提供了更详细的信息。研究还发现感染、炎症、免疫相关指标以及血脂、血红蛋白等与 DKD 风险的关系，为临床监测和干预提供了新的思路。不过，研究也存在局限性，如单中心数据可能影响结论的普适性，随访时间较短可能无法识别晚期发病的病例。但总体而言，该研究开发的基于 SHAP 的可解释 SuperLearner 模型，能通过风险估计揭示重要信息，有助于早期检测和精准干预，对改善 T2DM 患者的预后具有重要意义，为未来 DKD 的研究和临床实践开辟了新方向。