编辑推荐：
为探究儿童甲状腺疾病发病机制，南京医科大学附属儿童医院研究人员开展 “Machine learning in lymphocyte and immune biomarker analysis for childhood thyroid diseases in China” 研究。结果显示特定淋巴细胞及免疫标志物与儿童自身免疫性甲状腺疾病（AITD）相关，构建的模型可有效区分疾病状态，为临床诊疗提供参考。
甲状腺疾病在儿童群体中并不罕见，像自身免疫性甲状腺疾病（Autoimmune Thyroid Disease，AITD）就包括 Graves 病（GD）和桥本甲状腺炎（HT）等。这些疾病不仅影响孩子的正常生长发育，还可能引发心血管疾病、心理健康问题等一系列严重并发症。而甲状腺功能减退症也是儿科常见的内分泌疾病之一。尽管甲状腺刺激激素（TSH）水平在儿童甲状腺疾病的诊断和治疗中很关键，但目前针对儿童甲状腺疾病免疫特征的研究较少，尤其是缺乏能精准刻画特定年龄组甲状腺疾病中淋巴细胞和免疫生物标志物表达的机器学习模型，这限制了对疾病的深入了解和有效干预。
为了填补这些空白，南京医科大学附属儿童医院的研究人员展开了相关研究。他们的研究成果发表在《BMC Pediatrics》上，为儿童甲状腺疾病的研究和临床诊疗带来了新的思路和方向。
研究人员在此次研究中主要运用了以下关键技术方法：
样本选取方面，从南京医科大学附属儿童医院选取了 139 例住院患儿作为病例组，其中 132 例患有 AITD（114 例为 GD，18 例为 HT），7 例为甲状腺功能减退症；同时选取 283 例健康儿童作为对照组。
检测方法上，通过流式细胞术（Flow Cytometry）测定淋巴细胞亚群，用全自动免疫比浊分析仪检测补体和免疫球蛋白浓度。此外，还运用倾向得分匹配调整年龄因素，采用 9 种机器学习算法构建预测模型，并使用 SHapley Additive explain（SHAP）方法解释模型。
下面来看具体的研究结果：
- 免疫生物标志物在甲状腺疾病病例中的表现：在 GD 组，C4 水平与对照组差异显著，C3c 水平略有升高；HT 组中，C3c 和 C4 水平均显著低于对照组；甲状腺功能减退症组中，这两种补体水平高于对照组，但差异无统计学意义。GD 组部分 T 细胞亚群百分比低于对照组，而 HT 组和甲状腺功能减退症组部分 T 细胞亚群百分比高于对照组。在免疫球蛋白方面，GD 和甲状腺功能减退症组的 IgA 水平显著高于对照组，GD 和 HT 组的 IgG 水平显著高于对照组，而甲状腺功能减退症组的 IgG 水平低于对照组。
- 淋巴细胞亚群在对照组和甲状腺疾病病例中的情况：总病例组中部分淋巴细胞亚群频率高于对照组，部分 T 细胞频率低于对照组。
- 免疫分子在对照组和甲状腺疾病病例中的情况：总病例组中 C4 浓度与对照组有显著差异，IgA 和 IgG 水平显著高于对照组，IgM 浓度略低于对照组。
- 倾向得分匹配结果：匹配后的结果与匹配前基本一致，有效减少了选择偏倚和混杂因素的影响。
- 模型开发与解释：9 种机器学习模型中，逻辑回归（LR）模型预测性能最佳，XGB 模型和梯度提升机（GBM）模型次之。通过 SHAP 方法分析可知，性别、年龄、免疫标志物等多种因素对模型预测有重要贡献。
研究结论和讨论部分指出，特定淋巴细胞及其表面标志物的表达与儿童 AITD 呈正相关。补体蛋白 C3c 和 C4，以及免疫球蛋白 IgG、IgA、IgM 和 T、B 细胞在儿童甲状腺疾病中发挥着重要作用。虽然研究表明甲状腺疾病患儿与健康儿童的血清免疫标志物存在显著差异，但仍需进一步研究不同免疫细胞在疾病中的具体作用，明确免疫细胞失衡是疾病的原因还是结果。
此次研究意义重大，为儿童甲状腺疾病的发病机制研究提供了新视角，构建的机器学习模型有助于更准确地预测疾病，为临床诊断和治疗提供了有价值的参考。不过，研究也存在样本量小、缺乏随访等局限性，未来还需要开展更多研究加以完善。
