一种自身免疫性肝炎风险预测模型及其构建方法与流程

本发明涉及生物技术领域，尤其涉及一种自身免疫性肝炎风险预测模型及其构建方法。

背景技术：

自身免疫性肝炎(autoimmunehepatitis，aih)的年发病率和患病率较低。亚太地区分别为0.67-2.0/100000和3-24.5/100000。aih的发生可能与多种基因、年龄、性别等因素有关，但仍难以准确量化其危险因素^[1-3]。在aih发病的早期，该病的症状通常是轻微的——疲劳、食欲不振、黄疸、恶心、皮肤瘙痒、关节疼痛——这些症状有时自行消失，然后复发^[4-6]。这种情况可能会持续数年而不被患者察觉。因此，部分aih患者早期表现为所谓的“不明原因肝损害”，可能无法得到及时、准确的诊断和治疗。而在患者第一次就诊时，就可能已经发展为肝硬化、肝功能衰竭等严重疾病^[7-9]。

肝活检对不明原因肝损害患者的最终诊断具有重要意义^[10-12]。事实上，在国际自身免疫性肝炎小组制定的3个版本的自身免疫性肝炎诊断标准中，肝脏活检数据是关键参数之一^[13-15]。临床上，不明原因肝损害患者常有一个或更多的自身抗体阳性，包括自身免疫性肝炎相关性自身抗体，如核抗体(anti-nuclearantibody，ana)，平滑肌肌动蛋白(smoothmuscleactin，sma)，肝肾微粒体抗体(liver-kidneymicrosomalantibodies，lkm)，可溶性肝脏/肝-胰抗体(solubleliver/liver-pancreasantibodies，sla/lp)和非自身免疫性肝炎相关性自身抗体(non-aih-relatedautoantibodies，naa)(即除了上述四个之外的其他自身抗体)。这些患者常有一个被说服接受肝活检的高成功率^{[2-5]，[16-17]}。相比之下，各种自身抗体均为阴性的不明原因肝损害患者往往拒绝接受该检查。

尽管肝活检病理检查在aih诊断中是非常重要，但许多患者由于害怕创伤性检测而拒绝接受该检查。因此，许多aih患者不能得到早期诊断和及时治疗。而目前尚无公认的、能提高不明原因肝损害患者肝活检依从性的有效方法。因此，我们提出假设，基于少量非创伤性的临床数据，建立一个可以有效地预测不明原因肝损害患者发生aih的风险的新数学模型。

参考文献：

1.wangqx,yanl,max.autoimmunehepatitisintheasia-pacificarea.journalofclinical&translationalhepatology2018；6(1):48-56.

2.donaldsonpt.geneticsofliverdisease:immunogeneticsanddiseasepathogenesis.gut2004；53:599–608.

3.mannsmp,lohseaw,verganid.j.autoimmunehepatitis--update2015.hepatol2015；62(1suppl):s100-11.

4.mannsmp,czajaaj,gorhamjd,etal.diagnosisandmanagementofautoimmunehepatitis.hepatology2010；51(6):2193-2213.

5.czaja,albertj.diagnosisandmanagementofautoimmunehepatitis.clinicsinliverdisease2015；19(1):57-79.

6.sebodem,hartlj,verganid,etal.autoimmunehepatitis:fromcurrentknowledgeandclinicalpracticetofutureresearchagenda.liverinternational2017；doi:10.1111/liv.13458.

7.liwinskit,schrammc.autoimmunehepatitis-updateonclinicalmanagementin2017.clinicsandresearchinhepatologyandgastroenterology2017；s2210740117301778.

8.europeanassociationforthestudyoftheliver.easlclinicalpracticeguidelines:autoimmunehepatitis.jhepatol2015；63:971-1004.

9.liberalr,longhims,mieli-verganig,etal.pathogenesisofautoimmunehepatitis.bestpractresclingastroenterol2011；25:653-64.

10.denzeru,helmreich-beckeri,gallepr,etal.liverassessmentandbiopsyinpatientswithmarkedcoagulopathy:valueofmini-laparoscopyandcontrolofbleeding.americanjournalofgastroenterology2003；98(4):893-900.

11.shinjl,teitelj,swainmg,etal.acanadianmulticenterretrospectivestudyevaluatingtransjugularliverbiopsyinpatientswithcongenitalbleedingdisordersandhepatitisc:isitsafeanduseful？.americanjournalofhematology2005；78(2):85-93.

12.sawyerram,mccormickpa,tennysongs,etal.acomparisonoftransjugularandplugged-percutaneousliverbiopsyinpatientswithimpairedcoagulation.journalofhepatology1993；17(1):81-85.

13.johnsonpj,iang.mcfarlane.meetingreport:internationalautoimmunehepatitisgroup.hepatology1993；18(4).

14.alvalezf.internationalautoimmunehepatitisgroupreport:reviewofcriteriafordiagnosisofautoimmunehepatitis.jhepatol1999；31.

15.hennesem,zeniyam,czajaaj,etal.simplifiedcriteriaforthediagnosisofautoimmunehepatitis.hepatology2008；48:169-76.

16.mannsmp,johnsonef,griffinkj,etal.majorantigenofliverkidneymicrosomalautoantibodiesinidiopathicautoimmunehepatitisiscytochromep450db1.jclininvest1989；83:1066-72.

技术实现要素：

本发明针对现有技术的不足，提供了一种自身免疫性肝炎风险预测模型及其构建方法，该模型可用于不明原因肝损害患者aih的早期风险预测，具有较高的分辨力、准确性和临床应用价值，有助于医生更有效地说服不明原因肝损害患者尽早接受肝脏活检的建议，使真正的自身免疫性肝炎患者能够更早地得到适当的诊断和治疗。

为实现上述目的，本发明采用以下技术方案：

本发明的第一方面是提供一种自身免疫性肝炎风险预测模型的构建方法，包括如下步骤：

步骤一，通过对不明原因肝损害病例的选择和分类，收集无创性临床数据；

步骤二，将收集好的上述无创性临床数据在训练队列和验证队列两个独立的成年队列中进行回顾性队列研究；

步骤三，在训练队列中，对上述无创性临床数据进行多因素logistic回归分析，获得aih的危险因素及其决定系数，得出自身免疫性肝炎风险预测的logistic回归模型；

步骤四，根据akaike信息准则对训练队列进行最佳选择并制定自身免疫性肝炎风险预测nomogram模型；

其中，上述危险因素为：年龄、γ-球蛋白百分比和aih相关自身抗体；

上述logistics回归模型为：

aih的风险＝1/(1+exp(-(-9.88+0.06*年龄+0.16*ggp+3.66*aa)))，其中，ggp为γ-球蛋白百分比；aa为aih相关自身抗体。

进一步地，上述步骤一中的无创性临床数据包括年龄、性别、自身抗体、肝功能指数、血三系细胞、纤维蛋白原、甲胎蛋白、脾脏厚度、γ-球蛋白百分比和免疫球蛋白g。

进一步地，上述自身抗体包括aih相关自身抗体和非aih相关性自身抗体。

进一步地，上述肝功能指数包括总胆红素、丙氨酸转氨酶、天冬氨酸转氨酶、γ谷酰基转肽酶、碱性磷酸酶、碱性磷酸酶/丙氨酸转氨酶和碱性磷酸酶/天冬氨酸转氨酶。

进一步地，上述方法还包括在验证队列中，使用受试者工作特性曲线分析、校准图和决策曲线分析验证nomogram模型。

进一步地，上述方法还包括通过约登指数计算出最优截断值。

进一步地，上述最优截断值为0.44。

本发明的第二方面是提供一种如上述构建方法构建的自身免疫性肝炎风险预测模型，为logistics回归模型：

aih的风险＝1/(1+exp(-(-9.88+0.06*年龄+0.16*ggp+3.66*aa)))，其中，ggp为γ-球蛋白百分比；aa为aih相关自身抗体；

或，该自身免疫性肝炎风险预测模型为通过上述logistic回归建立的nomogram模型；上述nomogram模型纳入年龄、γ-球蛋白百分比和aih相关自身抗体作为风险因素。

发明采用上述技术方案，与现有技术相比，具有如下技术效果：

本发明提供了一种自身免疫性肝炎风险预测模型及其构建方法。该构建方法通过对不明原因肝损害病例的选择和分类，收集无创性临床数据并进行多因素logistic回归分析，获得aih的危险因素及其决定系数，得出自身免疫性肝炎风险预测的logistic回归模型，或通过上述logistic回归建立自身免疫性肝炎风险预测nomogram模型。本发明提供的自身免疫性肝炎风险预测模型可用于不明原因肝损害患者aih的早期风险预测，具有较高的分辨力、准确性和临床应用价值，有助于医生更有效地说服不明原因肝损害患者尽早接受肝脏活检的建议，使真正的自身免疫性肝炎患者能够更早地得到适当的诊断和治疗。

附图说明

图1为本发明一实施例中预测aih风险的nomogram图；

图2为本发明一实施例中训练队列和验证队列的nomogram风险的受试者工作特征曲线(roc曲线)，其中图2a为训练队列曲线，图2b为验证队列曲线；

图3为本发明一实施例中训练队列和验证队列中nomogram的校准曲线，其中图3a为训练队列曲线，图3b为验证队列曲线；

图4为本发明一实施例中训练队列和验证队列中aih风险nomogram的决策曲线分析，其中图4a为训练队列曲线，图4b为验证队列曲线；实线代表所有参与者被认为是aih时的净收益，虚线代表没有参与者被认为是aih时的净收益，图4a中的折线代表训练队列的决策曲线；图4b中的折线代表验证队列的决策曲线。

具体实施方式

本发明提供一种自身免疫性肝炎风险预测模型的构建方法，包括如下步骤：

步骤一，通过对不明原因肝损害病例的选择和分类，收集无创性临床数据；

步骤二，将收集好的上述无创性临床数据在训练队列和验证队列两个独立的成年队列中进行回顾性队列研究；

步骤三，在训练队列中，对上述无创性临床数据进行多因素logistic回归分析，获得aih的危险因素及其决定系数，得出自身免疫性肝炎风险预测的logistic回归模型；

步骤四，根据akaike信息准则对训练队列进行最佳选择并制定自身免疫性肝炎风险预测nomogram模型；

其中，上述危险因素为：年龄、γ-球蛋白百分比和aih相关自身抗体；

上述logistics回归模型为：

aih的风险＝1/(1+exp(-(-9.88+0.06*年龄+0.16*ggp+3.66*aa)))，其中，ggp为γ-球蛋白百分比；aa为aih相关自身抗体。

在本发明一优选的实施例中，上述步骤一中的无创性临床数据包括年龄、性别、自身抗体、肝功能指数、血三系细胞、纤维蛋白原、甲胎蛋白、脾脏厚度、γ-球蛋白百分比和免疫球蛋白g。

在本发明一优选的实施例中，上述自身抗体包括aih相关自身抗体和非aih相关性自身抗体。

在本发明一优选的实施例中，上述肝功能指数包括总胆红素、丙氨酸转氨酶、天冬氨酸转氨酶、γ谷酰基转肽酶、碱性磷酸酶、碱性磷酸酶/丙氨酸转氨酶和碱性磷酸酶/天冬氨酸转氨酶。

在本发明一优选的实施例中，上述方法还包括在验证队列中，使用受试者工作特性曲线分析、校准图和决策曲线分析验证nomogram模型。

在本发明一优选的实施例中，上述方法还包括通过约登指数计算出最优截断值。

在本发明一优选的实施例中，上述最优截断值为0.44。

本发明还提供了通过上述构建方法构建的自身免疫性肝炎风险预测模型，该自身免疫性肝炎风险预测模型为logistics回归模型：

aih的风险＝1/(1+exp(-(-9.88+0.06*年龄+0.16*ggp+3.66*aa)))，其中，ggp为γ-球蛋白百分比；aa为aih相关自身抗体；

或，该自身免疫性肝炎风险预测模型为通过logistic回归建立的nomogram模型；该nomogram模型纳入年龄、γ-球蛋白百分比和aih相关自身抗体作为风险因素。

下面通过具体实施例对本发明进行详细和具体的介绍，以使更好的理解本发明，但是下述实施例并不限制本发明范围。

实施例1

本实施例提供一种自身免疫性肝炎风险预测模型的构建方法，具体步骤如下：

步骤一，通过对不明原因肝损害病例的选择和分类，收集无创性临床数据:

1.病例选择与分类

病例纳入标准为：所有患者均诊断为不明原因肝损害，且均已行肝脏活检病理检查；排除标准为：年龄小于18岁；肝炎病毒阳性标志物且符合病毒性肝炎诊断；符合酒精性肝病或药物性肝损伤诊断；活检前曾使用免疫调节药物(如激素、硫唑嘌呤等)进行诊断治疗。

从2005年到2019年收集无创性临床数据和肝脏活检数据。其中，上海交通大学附属第六人民医院111例，上海中医药大学附属曙光医院47例，第二军医大学附属长征医院45例。模型训练采用第六人民医院的数据，模型验证采用曙光医院和长征医院的数据。

根据1999年国际自身免疫性肝炎小组制定的自身免疫性肝炎诊断标准，所有病例分为自身免疫性肝炎和非自身免疫性肝炎(non-autoimmunehepatitis，naih)两类。

2.数据收集

关于无创性临床数据的收集，本发明主要参考了1999年国际自身免疫性肝炎小组制定的自身免疫性肝炎诊断标准，并结合临床诊疗经验和文献复习，补充了部分项目。上述无创性临床数据包括年龄、性别、自身抗体、肝功能指数、血三系细胞、纤维蛋白原、甲胎蛋白、脾脏厚度、γ-球蛋白百分比以及免疫球蛋白g；其中，自身抗体包括aih相关自身抗体和非aih相关性自身抗体，肝功能指数包括总胆红素、丙氨酸转氨酶、天冬氨酸转氨酶、γ谷酰基转肽酶、碱性磷酸酶、碱性磷酸酶/丙氨酸转氨酶和碱性磷酸酶/天冬氨酸转氨酶。

步骤二，将收集好的无创性临床数据在训练队列和验证队列两个独立的成年队列中进行回顾性队列研究；

步骤三，在训练队列中，对上述无创性临床数据进行多因素logistic回归分析，获得aih的危险因素及其决定系数，得出自身免疫性肝炎风险预测的logistic回归模型；

步骤四，根据akaike信息准则对训练队列进行最佳选择并制定自身免疫性肝炎风险预测nomogram模型；

上述logistics回归模型为：

aih的风险＝1/(1+exp(-(-9.88+0.06*年龄+0.16*ggp+3.66*aa)))，其中，ggp为γ-球蛋白百分比；aa为aih相关自身抗体。

经过对上述步骤一中所选择病例15年的随访，111人和92人最终分别被纳入训练和验证队列。42名(37.8％)训练队列参与者和20名(21.7％)验证队列参与者被诊断为aih。除了aa、alt和alp/alt因素(p>0.05)外，两组间的差异不显著(表1)。在训练队列中，aih患者的基线年龄、ggp和aa显著高于单变量和多变量分析(表2)。

表1.训练队列和验证队列病例特征(n＝203)

表2.训练队列中aih特征危险因素的单因素和多因素分析

通过以上的多变量logistic分析可以得到，以下三个自变量是aih的预测因素：年龄(p＝0.031)、ggp(p＝0.001)和aa(p＝0.000)。根据akaike信息准则，本实施例进行了一个阈值p<0.05的正向降压选择过程，绘制了正向模型的nomogram，利用年龄、ggp和aa因子为aih的风险预测提供了一个定量、方便的工具，如图1所示，nomogram图有7行，其中第2至第4行代表所包括的自变量，三个自变量的点数被加在第5行的总点数中，并与第7行中aih的风险概率相对应，第6行为线性预测值，利用线性预测值，通过一定的转换函数，转化为对应的概率值。

验证实施例1

本实施例使用受试者工作特性曲线分析、校准图和决策曲线分析验证nomogram模型的分辨力、预测结果的准确性和临床实用性，结果如图2-4所示。

由图2可知，训练队列和验证队列的曲线下面积(auc)分别为0.908和0.904。由于两个队列的auc均大于0.8，所以模型的分辨力是优秀的。

由图3可知，虽然图3a显示根据nomogram预测的概率并不等于实际概率，但主要关注的是不可靠指数的p值，两组的p值为p>0.05(p-a＝0.7590；p-b＝0.0797)。因此，结果表明，原假设没有被拒绝(h0：截距＝0，斜率＝1)；即拟合线与45度线重合，预测结果准确。

由图4可知，训练队列的决策曲线多高于“无人治疗线”(虚线)和“全部治疗线”(实线)，具有良好的临床实用性。

综上所述，aih预测模型在评估aih风险方面具有良好的分辨力、准确性和临床实用性。

验证实施例2

本实施例使用约登指数(敏感性+特异性-1)确定训练队列的截断值，计算的截断值为0.44，并采用真实病例通过敏感性和特异性测量nomogram的准确性，进而评价nomogram的真实性，从而验证该nomogram模型可用于临床。

根据截断值，本实施例成功预测了20个真实的aih患者中的16人，而预测了72个真实的naih人中的55人。根据预测结果，其敏感性为80％，特异性为76.39％，阳性预测值为48.48％，阴性预测值为93.22％，准确性为77.17％。结果良好，可用于临床。

综上所述，本发明提供一种自身免疫性肝炎风险预测模型及其构建方法，通过对不明原因肝损害病例的选择和分类，收集无创性临床数据并进行多因素logistic回归分析，获得aih的危险因素及其决定系数，得出自身免疫性肝炎风险预测的logistic回归模型，或通过上述logistic回归建立自身免疫性肝炎风险预测nomogram模型。本发明可用于不明原因肝损害患者aih的早期风险预测，具有较高的分辨力、准确性和临床应用价值，有助于医生更有效地说服不明原因肝损害患者尽早接受肝脏活检的建议，使真正的自身免疫性肝炎患者能够更早地得到适当的诊断和治疗。

以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。