论文部分内容阅读
目的:早期发现由胰腺癌（pancreatic cancer,Pa C）引起的胰源性糖尿病（pancreatic cancer-associated diabetes mellitus,Pa CDM）,并与2型糖尿病（type2 diabetes mellitus,T2DM）患者相鉴别具有十分重要的临床意义,然而,目前尚无有效方式区分这两种糖尿病特征。本研究通过混合餐测试评估Pa CDM患者的肠胰内分泌功能,并与胰腺癌合并正常血糖者（pancreatic cancer with normal glucose,Pa CNG）、T2DM患者、健康人群作比较。主要目的为建立Pa CDM肠胰内分泌激素谱线,探讨Pa CDM患者糖尿病特征;次要目的为探讨通过肠胰内分泌水平鉴别诊断Pa CDM的可行性。方法:本研究共纳入44例受试者,其中Pa CDM组12例、Pa CNG组12例、T2DM组10例、健康对照组10例。收集包括糖化血红蛋白（hemoglobin A1c,Hb A1c）、肿瘤指标（糖类抗原19-9（carbohydrate antigen 19-9,CA19-9）、癌胚抗原（carcinoembryonic antigen,CEA））、血脂四项（高密度脂蛋白（high density lipoprotein,HDL）、低密度脂蛋白（low density lipoprotein,LDL）、甘油三酯（triglyceride,TG）、胆固醇（cholesterol,TC））等相关基线资料,并行混合餐试验,评估受试者空腹及餐后0、15、30、60、120分钟血糖（glucose,GLU）、胰岛素（insulin,INS）、C肽（C-peptide,C-P）、胰高血糖素（glucagon,GCG）、胰高血糖素样肽-1（glucagon-like peptide-1,GLP-1）、抑胃肽（gastric inhibitory peptide,GIP）、胰多肽（pancreatic polypeptide,PP）数值。采用改良版稳态模型指数（updated homeostasis model assessment,HOMA2）、早相胰岛素释放指数(insulinogenic index t30)、迟相胰岛素释放指数(insulinogenic index t120)、胰岛素与血糖曲线下面积比（AUC insulin:glucose ratio）评估胰岛素释放及胰岛素敏感性。采用重复测量方差分析比较各组各激素餐后水平差异,采用单因素方差分析比较各组各激素水平的基线值、峰值、达峰时间、曲线下面积（area under curve,AUC）、基线上面积（area above basal,bs AUC）及胰岛素释放、胰岛素敏感性相关指标。对肿瘤位置在胰头和胰体尾患者的PP水平进行分层分析。并使用相关分析评估肿瘤大小、位置、CA19-9水平等基线资料与胰腺癌患者血糖及激素分泌水平间相关性。最后采用机器学习中随机森林（random forest）、逻辑回归（logistic regression）、支持向量机（support vector machines,SVM）、朴素贝叶斯（na?ve bayes）四种模型建立四分类诊断模型,并评估其诊断效能。结果:Pa CDM组空腹INS水平为（197.15±16.59）pg/m L,C-P为（807.19±126.21）pg/m L,餐后15分钟INS（523.94±81.15）pg/m L,C-P（1342.11±193.40）pg/m L;T2DM组空腹INS为（537.96±118.69）pg/m L,C-P为（1771.76±261.47）pg/m L,餐后15分钟INS（1182.51±219.35）pg/m L,C-P（2727.08±352.92）pg/m L;Pa CDM组空腹及餐后15分钟INS、C-P数值显著低于T2DM组（P＜0.05）。空腹及餐后GCG水平各组间无明显差异。Pa CDM组餐后PP峰值为（466.67±79.05）pg/m L,显著高于健康对照组（258.54±31.36 pg/m L,P=0.034）,而与T2DM组无显著差异（452.34±62.96 pg/m L,P=0.892）。Pa CDM组空腹GLP-1水平明显低于T2DM组（97.04±9.79 pg/m L比199.69±29.80 pg/m L,P=0.020）。Pa CDM组餐后GIP分泌延长。与T2DM组相比,Pa CDM组胰岛素分泌能力较低,胰岛素敏感性较强。Pa CDM患者HOMA2%β水平为（38.92±4.21）,在四组中最低;HOMA2%S为（2.19±0.04）,HOMA2 IR为（-0.19±0.04）。相关分析结果显示,肿瘤大小与CA19-9水平、TG、LDL、C-P基线值及峰值、GIP峰值、GIP AUC、HOMA2%S具有相关性;肿瘤位置与CEA水平、HDL、迟相胰岛素生成指数、C-P AUC具有相关性。提示胰腺癌肿瘤进展显著影响其肠胰内分泌激素水平。采用朴素贝叶斯算法建立机器学习诊断模型,纳入年龄、Hb A1c、CA19-9、GLU peak、PP AUC、HOMA2 IR、HOMA2%S、HOMA2%β指标,模型在四分类训练集中的平均ROC曲线下面积（AUC）为0.965,灵敏度为0.815,特异度为0.942,模型经过验证,对Pa CDM具有良好的诊断效能。结论:与T2DM患者相比,Pa CDM患者存在早相INS、C-P释放减少,空腹GLP-1水平下降,餐后GIP分泌时间延长,其胰岛β细胞功能下降;外周胰岛素敏感性上升。采用机器学习朴素贝叶斯算法建立Pa CDM诊断模型,具有良好的诊断效能,说明胰腺内分泌激素及胰岛功能对Pa C鉴别诊断具有一定意义。模型运用可通过后续大样本实验进一步证实。