论文部分内容阅读
目的:人类免疫缺陷病毒（human immunodeficiency virus,HIV）感染目前仍是全球的一个主要公共卫生问题,尚无可行的艾滋病根治方法,因此通过抗逆转录病毒治疗（antiretroviral therapy,ART）抑制HIV感染者的病毒复制至关重要。ART病毒学失败（virologic failure,VF）产生的原因之一是治疗药物的副作用较多,影响患者的服药依从性,且长时间的治疗可能会使患者出现耐药性和治疗疲劳。建立一种HIV一线抗病毒治疗VF预测模型识别VF风险较高的患者,有利于提高患者的ART依从性,促进HIV监测和治疗资源的合理分配。现有的VF预测模型都需要根据患者ART后的随访数据才能进行预测,并且部分预测因子如依从性信息,获取难度较大且准确性难以保证,限制了模型的临床应用;另外现有研究收集到的ART前基线信息较少,VF患者ART前的基线特征尚不明确。本研究的目的是利用机器学习（machine learning,ML）和统计学算法根据HIV患者治疗前的基线数据开发和验证一线抗病毒治疗VF预测模型,并进行风险分层,提高患者ART依从性,帮助临床医生实现对HIV患者的个性化监测和治疗,促进资源的合理分配。同时,本研究还将通过对比多种建模方法得到的预测因子,综合分析各因子的预测能力和风险水平,为艾滋病的基础和临床研究提供新的研究方向。研究方法:1、研究对象:2002-2018年中国医科大学附属第一医院包括2225名患者的开放式HIV-1感染治疗队列。收集ART前患者的基线人口学、临床、实验室信息,以及ART后病毒载量（viral load,VL）检测、ART方案更换信息。2、建立预测模型:按照7:3的比例随机划分训练集和验证集,在训练集上使用Cox比例风险模型（Cox）和ML算法分别建模。Cox模型:选择单因素分析P＜0.1和以往研究中有研究意义的变量进行逐步回归构建模型。ML模型:采用遗传算法（genetic algorithm,GA）分别对支持向量机（support vector machine,SVM）（非线性核、线性核）、随机森林（random forest,RF）和logistic回归（LR）4种ML算法进行优化,选择最佳的变量组合构建模型,使用5折交叉验证优化模型参数。在验证集上对包括Cox在内的5种模型的性能进行验证。同时,考虑到HIV治疗资源分布的不平衡性,我们还采用验证集中受试者工作特征曲线（receiver operating characteristic,ROC）下面积（the area under the ROC curve,AUC）最高的GA+SVM（非线性核）算法重新构建了一种不包含“ART方案、VL、CD4计数（CD4）、CD4%、CD8、CD8%、CD4/CD8”的VF预测模型。3、模型评价:通过AUC、敏感度、特异度评价模型的预测性能,用校准曲线校准模型。4、人群风险分层:选择AUC最高的GA+SVM 7变量模型,利用训练集上的预测概率使用X-tile分析和Kaplan-Meier曲线确定低、中、高风险人群的最佳截断值,在验证集上验证截断值的统计学意义。5、比较预测因子的预测能力、确定风险水平:将训练集上Cox模型中单因素分析P＜0.1的变量和其他ML算法选择出的预测因子在全部的数据上进行ROC分析,用AUC比较各变量的预测能力;采用Cox比例风险模型将上述变量排除共线性影响后用enter法进行多因素分析,明确风险水平或类型。结果:1、变量的选择及模型的建立:本研究纳入了2225名HIV患者ART前的基线特征,在训练集和验证集上一线ART病毒学失败的发生率分别为8.2%和6.9%（P=0.277）,中位观察时间分别为3.04年和3.21年。在统计学和ML模型中AUC最高的为GA+SVM（非线性核）模型（AUC=0.80）,包括CD4、CD4%、CD8%、天门冬氨酸氨基转移酶、白蛋白（albumin,ALB）、混合细胞群%和男性7个变量,在ROC曲线和校准曲线上分别展示了较好的识别能力和校正准确度;其他模型的AUC分别为GA+RF模型0.78,Cox模型0.75,GA+LR模型0.75,GA+SVM（线性核）模型0.73。因此本研究又选择用GA+SVM（非线性核）算法构建了针对HIV治疗资源匮乏地区的GA+SVM 9变量模型,包含混合细胞群%、混合细胞群、低密度脂蛋白胆固醇、ALB、总蛋白、肌酐、平均红细胞体积、血小板分布宽度和平均血小板体积,AUC为0.72。2、GA+SVM 7变量模型在患者风险分层中的应用:在训练集中,GA+SVM7变量模型的预测概率被分为低、中、高3个风险等级,分别反映≤34%、34-73%和＞73%的VF风险水平:与低、中风险人群相比,中、高风险人群的HR（95%CI）分别为5.16（3.24,8.23）和2.54（1.71,3.77）。在验证集中,67.7%的患者被确定为低风险,观察VF率为2.4%;22.1%被确定为中风险,VF率为14.2%;10.2%被确定高风险,VF率为20.6%。与低、中风险人群相比,中、高风险人群的HR（95%CI）分别为5.73（2.76,11.90）和1.47（0.75,2.89）。3、一线ART病毒学失败的预测因子及风险水平:CD4/CD8、CD4、VL、CD8%、CD4%、混合细胞群%的AUC较高,均≥0.65,其中混合细胞群%的AUC为0.65,是除CD4、CD8、VL等传统因素外,预测能力最强的预测因子,混合细胞群%＞7.7%的HR为2.38（95%CI 1.66-3.42,P＜0.001,vs.≤7.7%）。此外,研究还发现高密度脂蛋白胆固醇（high-density lipoprotein-C,HDL-C）水平越低,患者发生VF的风险越大,变量的AUC为0.60,风险水平为＜0.7 mmol/L。结论:1、本研究首次完全基于ART前的基线数据建立了一个具有较高的预测能力的一线抗病毒治疗VF预测模型,并且实现了对患者的低、中、高风险分层,有利于帮助临床医生实行个性化的监测和治疗策略。同时我们还建立了一个完全基于人口学、血常规、血清生化检测信息的GA+SVM 9变量模型,用于VL、CD4等相关检测不普及的国家和地区,提高了VF预测模型的可应用范围。2、混合细胞群%具有较强的VF预测能力,对VF模型在HIV监测资源匮乏地区中的应用可能有着重要的临床意义。3、本研究首次发现了ART前低水平的HDL-C会增加VF的风险性,并且初步明确了HDL-C的风险水平。