基于AAT 與細胞因子構建活動性肺結核的Nomogram 預測模型

樊 浩 ，劉幸 ，沈凌筠 ，李海雯 ，余春紅 ，李婧煒

（1）大理大學藥學院，云南 大理 671000;2）云南省傳染病臨床醫學中心/昆明市第三人民醫院藥學部，云南 昆明 650301）

結核病是結核分枝桿菌（mycobacterium tuberculosis，MTB）感染引起的慢性傳染性疾病，主要累及肺部又稱肺結核（pulmonary tuberculosis，PTB）。活動性肺結核是指MTB 經實驗室檢查證實有活動性依據的結核病，由于排菌肺結核患者攜帶的MTB 傳染性較強，嚴重威脅人們的生命健康，目前已成為嚴重的全球性公共衛生問題[1]。據統計2021 年我國新發肺結核人數約86 萬，遠超新冠肺炎患病人數，僅次于印度，是結核病高負擔國家之一[2?3]，有研究發現近年來菌陰肺結核患者顯著增加[4]，而國內外診斷肺結核的“金標準”則是在患者的痰培養中發現結核桿菌[5]，菌陰肺結核患者數量增加勢必導致痰培養檢出率下降。同時還存在痰培養周期長、實驗要求較高等限制[6?7]，病原學檢查明顯不能滿足臨床需求。但截止目前，臨床上尚無高效的生物標志物用于活動性肺結核的判斷，因此尋找準確、簡便、快捷的實驗室診斷方法對活動性肺結核的早期診治至關重要。

目前針對肺結核早期診斷的研究成為臨床研究的熱點，有研究表明活動性肺結核患者外周血中的白介素（Interleukin）、血管內皮細胞生長因子（vascular endothelial growth factor，VEGF）、干擾素誘導蛋白（Interferon-inducible protein）等細胞因子都顯著升高，當急性期時，機體吞噬細胞水平顯著增加[8?9]，其中吞噬細胞分泌的TNF-α 細胞因子能刺激機體局部炎癥反應，導致機體觸珠蛋白（haptoglobin，HAP）、α1 抗胰蛋白酶（α1 antitrypsin，AAT）、α1 酸性糖蛋白（α1 acid -glycoprotein，AGP）3 者的水平異常升高[10]，因此臨床上多考慮其與機體炎癥創傷有關，并可用于鑒別急性、亞急性與慢性病理狀態，在一定程度上與機體損傷的性質和范圍也相關。本研究擬通過檢測活動性肺結核外周血中AGP、AAT、HAP及細胞因子水平，探索其在活動性肺結核中的應用價值，并建立簡便可靠的Nomogram 預測模型，為活動性肺結核的實驗室診斷提供參考依據。

1 資料與方法

1.1 研究對象

回顧性納入昆明市第三人民醫院2020 年3 月至2021 年3 月收治的活動性肺結核患者96 例。納入標準：（1）診斷標準均按照：《肺結核診斷標準》（WS288-2017）[11]；（2）實驗組患者經影像學檢查（包括多發性結節狀病灶，片狀、云絮狀及大葉性肺實變，團塊狀陰影，以及肺門或縱隔淋巴結增大等）和組織病理學檢查（典型病變是肉芽腫伴干酪樣壞死及結核結節形成，外周有纖維結締組織和慢性炎性細胞浸潤，周邊可見朗罕細胞）后，均確診為活動性肺結核；（3）痰標本病原學陽性肺結核者，對于痰標本病原學檢測（包括涂片、培養和分子生物學檢測等）為陰性的肺結核患者，采用BALF 和支氣管鏡下活檢技術，進一步獲取病原學和病理學證據者。排除標準：（1）屬于非結核分枝桿菌肺病；（2）合并心、腎、肝等重要臟器性疾病；（3）免疫系統疾病；（4）凝血功能障礙；（5）妊娠期、哺乳期婦女；（6）肺外結核如：胸膜結核、骨關節結核等。本研究經昆明市第三人民醫院醫學倫理委員會審核批準，所有入選患者或其家屬均簽署知情同意書。

1.2 實驗分組

按是否患有活動性肺結核進行分組，患有活動性肺結核的患者為實驗組，同期健康體檢者為對照組，根據納入標準共納入96 例患者作為實驗組，同期健康體檢者82 例作為對照組，2 組基線資料，性別、年齡、體重指數等，差異無統計學意義（P>0.05），具有可比性。

1.3 儀器及試劑

主要儀器：奧林巴斯全自動生化分析儀（型號：AU680，來源：美國貝克曼生物科技有限公司），流式細胞儀（型號：Bircyte E6，來源：深圳邁瑞生物醫療電子股份有限公司）。主要試劑：細胞因子檢測試劑盒（批號：210603，來源：青島瑞斯凱爾生物科技有限公司），AGP、AAT、HAP 檢測試劑盒（批號：0320/04912、0124/05402L1、9033/03246L1，來源：迪亞萊博生物科技有限公司）。

1.4 研究方法

對入院后的研究對象采集靜脈血2 mL 于EDTA-K2 抗凝劑的真空管中，充分混勻送至實驗室檢測，檢測項目有：AGP、AAT、HAP、IgG、IgA、IgM、IL-1、IL-2、IL-4、IL-5、IL-6、IL-8、IL-10、IL-12p70、IL-17、IFN-γ、IFN-α、TNFα、CD3、CD4、CD8、CD4+/CD8+、CD45+、Bcell、CRP、NK-cell，標本檢測操作方法均嚴格按照試劑說明書進行，在質量控制合格后完成，通過流式細胞儀Bircyte E6，全自動生化分析儀AU680 完成。

1.5 統計學處理

數據處理軟件采用 SPSS Statistics 17.0 統計軟件。服從正態分布的以均值±標準差（）表示，選擇t檢驗；不服從正態分布的數據以中位數（四分位數）[M（P25，P75）]，選擇秩和檢驗；將單因素分析中P<0.05 的變量，使用多因素Logistic 回歸分析，根據分析結果確定活動性肺結核發生的獨立危險因素。基于多因素分析結果，應用R 軟件中的rms 和pROC 安裝包建立Nomogram 預測模型，根據計算結果繪制ROC 曲線，從而評估預測模型對活動性肺結核的預測價值，并繪制校準圖。

2 結果

2.1 活動性肺結核患者的單因素分析

26 個因素中IgG 指標檢測數據服從正態分布，采用經t檢驗，結果顯示，實驗組與對照組相比較，差異無統計學意義（P>0.05），具有可比性。其余指標檢測數據分布不服從正態分布，采用秩和檢驗，結果顯示，與對照組相比實驗組以下10個指標IgA、HAP、AGP、AAT、IL-6、IFN-γ、IFN-α、CD4、NK-cell、CRP，差異有統計學意義（P<0.05），是發生活動性肺結核的影響因素，見表1。

表1 活動性肺結核患者指標的單因素分析 [（ ）/M（P25，P75）]Tab.1 Univariate analysis of indicators in patients with active tuberculosis [（ ）/M（P25，P75）]

表1 活動性肺結核患者指標的單因素分析 [（ ）/M（P25，P75）]Tab.1 Univariate analysis of indicators in patients with active tuberculosis [（ ）/M（P25，P75）]

與對照組相比，*P <0.05，**P <0.01。

2.2 活動性肺結核患者指標的多因素Logistic 回歸分析

將單因素分析結果中，差異具有統計學意義（P<0.05）的10 個相關因素作為自變量，見表2，將是否發生活動性肺結核作為因變量（0=有活動性肺結核，1=無活動性肺結核），采用向前逐步回歸法，進行多因素Logistic 回歸分析，最終結果顯示AAT（OR=0.983，95%CI=0.968～0.999，P=0.039），IFN-γ（OR=0.783，95%CI=0.659～0.931，P=0.006），TNF-α（OR=1.495，95%CI=1.106～2.020，P=0.009）均與活動性肺結核發生的明顯相關（P<0.05），其中TNF-α 的OR>1，P<0.05，為活動性肺結核的預測因子，見表3。

表2 發生活動性肺結核危險因素及其賦值Tab.2 Risk factors for developing active pulmonary tuberculosis and their value assignments

表3 活動性肺結核患者指標的多因素Logistic 回歸分析Tab.3 Multivariate logistic regression analysis of indicators in patients with active tuberculosis

2.3 列線圖預測發生活動性肺結核風險

根據因素Logistic 回歸模型計算結果，應用R 軟件中的Nomogram 模型對各影響因素進行評分，每個預測指標刻度線的數值即為所得分數，總得分為所有指標相應的分數相加，總得分代表發生活動性肺結核的風險。由列線圖可知在此模型中IFN-γ 是發生活動性肺結核的最強預測因子，然后是TNF-α 和AAT，見圖1。

圖1 活動性肺結核危險因素Nomogram 預測模型圖Fig.1 Nomogram predictive model diagram of active tuberculosis risk factors

2.4 列線圖的檢驗

采用自助法（Bootstrap）對列線圖模型進行驗證，其中ROC 曲線的分析結果顯示：曲線下面積為0.728（95%CI：0.655～0.801），說明本模型預測能力良好，見圖2。Nomogram 預測模型校準圖結果顯示，校準預測曲線與理想曲線貼合良好，說明該模型有良好的預測精準度及區分度，見圖3。

圖2 Nomogram 預測模型的ROC 曲線Fig.2 ROC curve of the Nomogram prediction model

圖3 Nomogram 預測模型的校準圖Fig.3 Calibration diagram of the Nomogram prediction model

3 討論

我國的肺結核疫情十分嚴峻，活動性判斷是肺結核的診治中不可或缺的環節[12]，目前臨床上的“金標準”存在諸多不足，如假陰性或假陽性率高等問題，尋找新的活動性評價標準迫在眉睫。臨床上對于活動性肺結核的診斷主要通過實驗室及病理學檢查，無法進行大規模檢測，不利于阻止肺結核的傳播，而通過列線圖模型可以將發病風險及高危因子進行量化，更加精準、直觀的用數字表現出活動性肺結核患病風險的概率，通過監測高危因子能有效篩查活動性肺結核患者，阻止肺結核的傳播，目前我國外周血檢測技術越來越成熟，已具備大規模篩查的能力。同時活動性肺結核患者外周血指標的研究愈來愈熱，活動性肺結核患者外周血中CD44 與健康人群相比表達水平明顯增高，當CD44 表達水平異常時，患者血清中TNF-α 和IFN-γ 表達水平也異常增高[13]。同時患者血漿中 IL-6，IL-17，IL-37 及TIM-3 水平也有明顯升高的趨勢[14]。程靜等[15]對活動性肺結核患者肺泡灌洗液進行檢測時發現，患者血清中IFN-γ、IL-12、IL-35 水平明顯升高，這些證據都表明細胞因子對肺結核活動性評價具有重要意義。

近年來牛文一、鄭梓坤等[16?19]通過對比活動性患者與健康人群外周血中的細胞亞群及細胞因子，進行單因素方差分析得出CD3、CD4 以及血清中IFN-γ、IL-4、IL-6、IL-17 對活動性肺結核診斷具有一定的價值，但大部分研究納入的指標單一，很難做出準確的判斷，因此有必要建立準確、客觀的活動性肺結核診斷預測模型。為此本研究提出一種基于AAT 與細胞因子構建活動性肺結核的預測模型方案，考慮到活動性肺結核是一個復雜的、多因素、多系統的病變過程[20]，本研究納入活動性肺結核患者的26 項指標，將單因素分析結果進行二元Logistic 回歸分析，以期能快速識別肺結核患者的活動性，便于患者早期臨床診治，提高患者的預后及生存率。

與其他研究相對比，本研究基于單因素分析結果中具有統計學差異的相關因素進行邏輯回歸分析，并對分析結果納入列線圖模型，其研究結果顯示TNF-α、IFN-γ、AAT 均是活動性肺結核的預測因子。當TNF-α 異常時，會改變中性粒細胞（NE）的吞噬能力，促進NE 粘附到內皮細胞上，刺激機體產生局部炎癥反應[21]，引起慢性炎性細胞浸潤，誘發患者多發性結節狀病灶的產生，屬于活動性肺結核患者影像學及實驗室診斷標準，同時使AAT 的水平異常升高，這可用于區分急性、亞急性與慢性肺結核。IFN-γ 則是Th1型細胞分泌的細胞因子，這類細胞因子能夠增加巨噬細胞的活性[22?23]，對活動性肺結核的發展具有非常重要的影響。IFN-γ 釋放實驗也是確認病原體感染較為可靠的方法，具有早期診斷價值[24?25]。研究結果表明相較于其他臨床指標，TNF-α、IFN-γ、AAT 3 者更具有特異性，對于活動性肺結核診斷具有重要的價值。

為了建立量化的活動性肺結核風險預測模型，對患者患病風險進行評估，識別活動性肺結核高危人群，實現早期治療，改善肺結核的預后。本研究將回歸分析結果利用Nomogram 預測模型使預測結果可視化，使預測模型更具可讀性。本次研究中，列線圖檢驗結果顯示，C-index 指數為0.728（95%CI：0.655～0.801），說明本研究所列Nomogram 模型具有較好的區分度與精準度。同時外部驗證結果顯示校準曲線與標準曲線有較好的擬合度，證實預測值與實際值一致性較高，表明本模型有較高的預測準確率。同時在后續研究中將收集更多的外部數據對該模型的準確率進行驗證。

本研究尚不足之處：（1）血清學檢查作為肺結核活動性的判斷證據級別較低，臨床應用時需結合影像學檢查和患者臨床癥狀進行綜合判斷；（2）活動性肺結核主要引起感染、炎癥改變等不典型性癥狀，這導致容易受患者免疫功能狀況影響；（3）本研究中應用的是Nomogram 模型，只是眾多疾病預測模型中的一種，在接下來的工作中，本課題組將對患者進行隨訪，同時擴大樣本量，開展多中心研究，建立不同方法組合的模型，構造適用范圍更廣、更加準確的預測模型。

綜上所述，活動性肺結核是一個復雜的、多因素、多系統的病變過程[26]，其活動性的評價需從多方面進行考證。經檢驗AAT、IFN-γ、TNFα 指標異常均與活動性肺結核的發生明顯相關，基于上述危險因素建立的Nomogram 模型具有良好的預測效能，可為活動性肺結核的實驗室診斷提供一定的參考價值。