国家神经系统疾病临床医学研究中心数据管理与共享系统

发表杂志：

发表类型: Original Contributions

影响因子(IF):

PMID: 全文下载

研究背景及目的： 缺血性卒中可由多种因素引起，其中包括遗传因素，常见于早发性卒中人群中。单基因突变导致的卒中约占所有卒中的7%，其广泛的表型谱使得该类人群与散发性病例难以区分，医生往往会在诊断中忽视基因的影响，导致它们未被诊断出来而造成比例被低估。 在CNSR3基因panel测序前期研究中，已确诊227例单基因卒中患者。按照基因分类分为以下五种：小血管卒中（87人），大血管卒中（51人）、栓塞性卒中（44人）、凝血功能障碍性卒中（30人）和其他类型卒中(15人)。小血管卒中人数多达87人，其中由NOTCH3引起的CADASIL有49人。CADASIL典型的影像学表现为严重的脑白质病，常累及颞极和外囊、腔隙性病变和微出血。但在疾病初始阶段影像学特征变化较大，在完整的影像学特征出现之前对疾病识别具有挑战性。C3中CADASIL病人平均年龄为58岁，较晚的发病年龄为早期干预提供了可能性，如血管危险因素改变，可能能够改变疾病进程。早期基因诊断不仅对于患者本人，对其他家庭成员进行症状前检测，包括产前检测都是非常重要的。 在单基因突变导致的卒中里，大血管卒中的遗传比例最大，约为40%。常见的单基因大血管卒中包括动脉粥样硬化（例如家族型高胆固醇血症），主动脉夹层（例如马凡综合征），大血管狭窄（例如烟雾病）等。这些与非单基因突变导致的大血管卒中具有高度的表型重叠，使诊断具有挑战性。以家族型高胆固醇血症为例，携带LDLR致病突变引起的低密度脂蛋白胆固醇(LDL-C)水平升高，比非遗传因素导致的LDL-C水平升高的个体颈动脉内膜-中膜厚度显著增大，而相应的干预措施如降脂药物的使用建议主要是依据LDL-C水平进行指导，从而导致家族型高胆固醇血症患者可能具有更重的动脉粥样硬化负担及更为不良的临床预后。因此，确定家族性高胆固醇血症这种单基因疾病，将其与非遗传因素导致的高胆固醇血症分离，了解潜在的遗传原因，意味着患者可以得到更早期和积极的治疗，对疾病风险评估和管理具有重要意义。 测序技术的进步促进了与卒中相关的单基因疾病的发现，不仅仅局限于诸如CADASIL和镰状细胞病等经典综合征。近些年，下一代测序（NGS）技术现在已经成为大多数临床基因检测的首选技术，对卒中相关遗传性疾病的诊断产生了重大影响。然而NGS技术在临床或人群水平广泛应用存在一定局限性。对于基因检测人员，需要完成大量湿实验及干实验，数据解读工作量巨大；对于医生而言，遗传咨询工作存在较高时间成本，还需要考虑基因检测所带来的伦理问题；对于患者而言，阴性检测结果也并不能排除其他遗传性疾病的存在，会造成一定程度的心理负担，和付出相对较高的经济成本。另一个需要考虑的方面为，针对具有单基因卒中特异表型但没有致病性突变的患者，准确的患者选择可以限制基因检测阴性患者的数量，这些可能是由于新位点或新致病机制而造成，值得我们进一步探索。 综合以上方面，对需要进行基因检测的人群做出筛选非常必要。而单基因卒中广泛的表型谱使得其与散发性病例难以区分，决定基因检测人群具有很大的挑战。目前在卒中人群中筛查这些疾病的结果数据有限。 机器学习是一种多层描述的表征学习，是从已有数据中分析挖掘获得规律，并利用这些规律对未知数据做出分类、预测，进而帮助决策的算法。目前已有较多将机器学习应用于临床问题的决策过程的报道。本研究基于CNSR3缺血性卒中人群及基因panel检测结果，拟采用机器学习的方法，通过研究比较C3数据库中已确诊的孟德尔卒中患者和非孟德尔卒中患者，学习实验室结果、临床特征以及影像学特点，建立四大类单基因脑卒中预测模型，包括单基因脑小血管病卒中模型，单基因大血管卒中模型，单基因栓塞性卒中模型，单基因凝血功能障碍性卒中模型，用于基因检测前的临床筛选。旨在将模型应用于未来的临床工作，把孟德尔卒中高风险人群从普通卒中人群中筛选出来，对病人精准进行基因检测，避免漏诊，并且减少医疗资源的浪费。 前期结果： 目前我们已采用逻辑回归方法初步建立单基因大血管卒中模型。与非遗传因素导致的卒中患者相比，通过分析51例确诊的单基因大血管卒中患者，年龄，NIHSS评分，高血压史，脂代谢紊乱史，肝脏病史，CCS分型，颈内动脉颅内段是否狭窄，颈内动脉颅外段是否狭窄，颅内动脉病变严重程度及发病90天后的mRS评分与单基因大血管卒中相关。通过建立逻辑回归模型，经过变量筛选，得到模型ROC曲线下面积0.851。下一步需要进一步评估模型校准度及临床效用，并尝试使用其他机器学习方法，找到最优模型。

研究人群 本研究的数据来源于第三次中国国家卒中登记(CNSR -III)，在本次研究中，我们选择基因panel测序亚组（10428人）为研究人群。其中已确诊的单基因卒中患者有227例，对照组从未携带致病突变的8476人中选取。按照基因功能分类共建立四种模型。包括：单基因脑小血管病卒中模型（病例组为单基因脑小血管卒中87人），单基因大血管卒中模型（病例组为单基因大血管卒中51人）、单基因栓塞性卒中模型（病例组为单基因突变导致栓塞性卒中44人）、单基因凝血功能障碍性卒中模型（病例组为单基因突变导致凝血功能障碍性卒中30人）。 特征选择 基线信息包括人口统计学信息(年龄和性别)，潜在危险因素(饮酒、吸烟、BMI≥25)，病史(卒中、高血脂、糖尿病、高血压、冠心病、心房颤动、癌症)，家族史(中风、高血脂、糖尿病、高血压、冠心病、心房颤动、癌症)，入院时的NIHSS评分，mRS评分，CCS分型。实验室指标包括生化系列，血常规等。影像学特征包括白质病变评估，是否存在新发脑梗死及梗死类型，梗死位置；动脉狭窄部位，数量及严重程度等。 连续变量采用独立的Student 's t检验或Mann-Whitney U检验，分类变量采用卡方检验或Fisher 's exact检验。在单因素分析中，若变量P<0.1，则被确定为关键预测因素纳入多变量模型。对所有自变量进行共线性筛选。 模型构建 我们选择3种常见的机器学习模型，逻辑回归，随机森林，支持向量机，构建列线图。采用受试者工作特征(ROC)曲线分析评价模型的鉴别能力。采用500次抽样进行bootstrap内部验证，完成区分度以及校准度的评估。绘制DCA曲线评价临床效用。最终根据模型区分度，校准度及DCA曲线找到最优模型。