聚合国内IT技术精华文章,分享IT技术精华,帮助IT从业人士成长

CGCL智慧医疗三:揭秘新冠危重患者中的细胞因子风暴

2021-07-26 18:26 浏览: 5925 次 我要评论(0 条) 字号:

大多数人认为,COVID-19患者的临床恶化是由细胞因子风暴——炎症分子的过度释放——所介导的。炎症是细胞对潜在危险做出第一反应的报警系统。但是,过量的炎症可能是致命的。炎症过多会导致人类疾病,包括脓毒症、炎症性肠病、痛风、II型糖尿病、心血管疾病、阿尔茨海默病,并导致罕见的炎症性遗传病。临床观察到,COVID-19可以产生一种与脓毒症非常相似的炎症综合征。我们能否通过分析COVID-19患者的实验室检测数据来诊断COVID-19引起的病毒脓毒症,并建立COVID-19患者脓毒症风险的早期预测模型。

研究回顾性调查了2453例患有COVID-19的电子病历。采用极端梯度提升算法 (Extreme gradient boosting, XGBoost)对收集到患者的69个实验室指标进行不同特征子集的模型构建。同时,采用可解释的Shapley Additive ePlanation (SHAP)方法对预测结果进行解释,分析了危险因素的特征重要性。

我们发现,7项凝血功能指标对COVID-19病毒脓毒症进行分类的模型的AUC达到了0.9213 (95% CI, 89.94-94.31%),敏感性为97.17% (95% CI, 94.97-98.46%),特异性为82.05% (95% CI, 77.24-86.06%)。利用仅8个特征(实验室指标)的COVID-19凝血障碍识别模型能够平均提前3.68±4.60天进行预警,模型的AUC为0.9298 (95% CI, 86.91-99.04%),敏感性为82.22% (95% CI, 67.41-91.49%),特异性为84.00%(95% CI, 63.08-94.75%)。

从结果我们可以看到,凝血功能异常与脓毒症的发生有关,其他以炎症因子为代表的实验室常规检查对凝血功能异常有较好的预测价值。说明本模型可实现COVID-19患者脓毒症的早期预警,改善患者预后,降低死亡率。

该成果“Prediction of Sepsis in COVID-19 Using Laboratory Indicators”发表于Frontier in Cellular and Infection Microbiology, 10 (2020) 1-10。Frontiers in Cellular and Infection Microbiology是细胞和感染微生物学领域综合性前沿期刊,最新的影响因子是5.293。 

论文链接:https://www.frontiersin.org/articles/10.3389/fcimb.2020.586054/full


背景与动机

新冠肺炎疫情已发展成为全球大流行的重大公共卫生问题。与严重急性呼吸综合征(SARS)和中东呼吸综合征(MERS)相比,COVID-19感染的致命性较低。然而,由于该病毒的高传染性,它已经导致了更为严重和致命的患者结局。目前,COVID-19的治愈基本上依赖于患者的免疫系统,没有特异性药物。到目前为止,已经宣布了各种疫苗,每一种都有良好的疗效,但大多数都是通过新闻发布的,存在科学上的不确定性。因此,密切监测新冠肺炎患者,及时发布预警,防止病情恶化至关重要。

我们发现,COVID-19的患者,除肺损伤外,部分患者的肝肾功能受损和微循环功能障碍符合脓毒症和脓毒症休克的标准。脓毒症被定义为由宿主对感染(如细菌、病毒和真菌感染)的反应失调引起的危及生命的器官功能障碍。脓毒症的死亡率很高,目前仍是世界上主要的死亡原因之一。脓毒症的识别和治疗是医疗领域非常关注的问题,迫切需要解决。包括细菌、真菌或病毒病原体在内的多种病原体都可能导致脓毒症。虽然细菌感染是这些患者脓毒症的主要原因,但病毒性脓毒症的临床研究和诊断仍然非常罕见。已经有继发于病毒性肺炎的病毒性败血症的报道。COVID-19患者继发性病毒性脓毒症可能是导致患者死亡的重要原因之一。认为COVID-19患者的病情会因脓毒症而复杂化,导致病情加重甚至死亡的观点已被广泛认同。在COVID-19中,出现这种现象的主要原因是严重的COVID-19伴随高细胞素血症。通过循环单核细胞产生的肿瘤坏死因子-a (TNF-a)和白细胞介素-6 (IL-6)是持续性的,是一种不同于流感或细菌脓毒症的复杂模式。此外,据报道,白细胞介素-10 (IL-10)是COVID-19细胞因子风暴的一个独特特征,其浓度与IL-6和c反应蛋白等其他炎症标志物的浓度密切相关。细胞因子风暴会损害肺上皮细胞,导致肺外表现(心血管、肾、肝、胃肠、眼、皮肤和神经)。它诱发急性呼吸窘迫综合征(ARDS)和继发性脓毒症,往往导致多器官衰竭和死亡。

据我们所知,目前还没有分析工具来预测哪些COVID-19患者在近期内最有可能发生脓毒症。此外,可解释的机器学习是医疗应用的未来方向,因为它可以为临床医生提供更可信和可追溯的结果。我们使用SHAP进行单因素分析的结果显示凝血功能受损可以提示新冠脓毒症的发生。即PT值约大于12s, APTT值约大于35s, 或DD值约大于0.5mg/L。这些值与凝血功能障碍的临床检测基本一致。我们的结果也显示了炎症指标与VSCS-2之间有很强的相关性,如IL-10、TNF-a、IL-6、超敏c反应蛋白(hs-CRP)、白细胞介素2受体(IL-2R)等。从单因素分析可知,PT的表现与IL-6、TNF-a、白细胞介素8 (IL-8)密切相关。APTT的表现与葡萄糖(Glu)、钙校准(cCa)和估计肾小球滤过率(eGFR)密切相关。DD与嗜碱性粒细胞百分比(BASOP)、嗜酸性粒细胞百分比(EOP)、嗜酸性粒细胞绝对值(EOA)密切相关。


方法与模型 


1. 数据来源

本研究在华中地区最大的同济医院进行,并经中国华中科技大学同济医学院同济医院伦理委员会批准。我们共采集了2019年12月至2020年3月的COVID-19患者2453例(男性1257例,女性1196例)。患者均经核酸检测或临床诊断。2453例COVID-19患者年龄分布为55.7±15.3岁。


2. 脓毒症患者危险因素分析

根据sepsis-1标准,将采集的COVID-19患者分为新冠脓毒症组(1376例,占56.1%)和COVID-19组(1077例,占43.9%)。由于脓毒症的病原体复杂,本研究试图将选择的实验室检测项目纳入临床体征和症状。它们是新冠脓毒症发生相关的炎症因子、凝血因子和血液常规。此外,还包括血液生化指标,可指示胰腺、肝脏、肾脏的功能,葡萄糖代谢,心肌损伤。共69项指标,分为4类。所有指标均提取自患者的电子健康记录。这里按照7:3划分了2453个样本,其中训练集中有1717个案例,测试集中有736个案例。

基于病毒脓毒症的知识和第一个分类模型(The 1st classification model)的结果,我们注意到凝血功能障碍和新冠脓毒症之间有很强的相关性。为了验证我们的假设,我们使用7个凝血功能指标建立第二个分类模型(The 2nd classification model),探讨凝血功能与新冠脓毒症之间的联系。指标为凝血酶原时间(PT)、凝血酶原活性(PTA)、活化部分凝血酶时间(APTT)、凝血酶时间(Tt)、国际标准化比值(INR)、d -二聚体(DD)、纤维蛋白原(FIB)。按照7:3的比例将人群分为训练集和测试集。


3. 凝血功能异常的预测

为进一步分析凝血障碍相关因素,我们利用凝血功能因子对2453例COVID-19患者进行重新评估,确定其是否存在凝血障碍。凝血功能异常患者988例,凝血功能正常患者510例,共1498例。从69项指标、22项血常规因子、8项炎症因子和选定的15项血液生化指标中,选择了45个特征构建第一个COVID-19凝血病预测模型(The 1st prediction model)。该模型旨在寻找对COVID-19凝血功能有重要影响的实验室指标。

为确定凝血功能障碍实验室检测因子的预测能力,我们从1498例炎症因子和血常规因子检测时间为凝血功能障碍检测时间之前的患者中随机抽取70份样本。炎症因子与凝血因子之间的这个时间间隔形成了病程的观察窗口。70份样本作为检测样本,其中45份为异常凝血样本,25份为正常凝血样本。最后,训练集包含1428个样本,其中异常凝血样本943个,正常凝血样本485个。

为了确定具有临床意义的凝血功能障碍的关键危险因素,我们根据第一预测模型和SHAP方法的分析结果,选择最重要的特征。为了验证这些特征的作用,并为临床提供参考,我们开发了COVID-19凝血病第二个预测模型(The 2nd prediction model)。


4. 实验结果

第一个分类模型的分类性能显示,该模型的ROC曲线下面积曲线下面积(AUC)为0.9349 (95% CI, 91.42-95.56%),灵敏度和特异度分别为96.93% (95% CI, 94.68-98.29%)和83.01% (95% CI, 78.28-86.92%)。然后,用SHAP方法对模型的关键风险因素进行了解释。结果显示凝血功能指标与新冠脓毒症之间存在较强的相关性。第二个分类模型的AUC性能为0.9213 (95% CI, 89.94-94.31%)也提示了凝血功能指标与新冠脓毒症之间的相关性。采用7个凝血指标的VSCS-2的分类性能与全部69个指标的模型非常接近。结果还显示,多种生化指标和血常规指标与VSCS-2有很强的相关性,如估计肾小球滤过率(eGFR)、红细胞压积(HCT)、肌酐(Cr)和总胆红素(TBil)。 

第一个预测模型的性能显示,AUC、敏感性和特异性分别达到0.9484 (95% CI, 89.71-99.97%)、88.89% (95% CI, 75.15-95.83%)和88.00% (95% CI, 67.64-98.85%)。模型的SHAP分析显示炎症指标hs-CRP、IL-6、IL-2R明显提示凝血功能障碍。此外,免疫相关血常规指标球蛋白(GLB)、总蛋白(TP)、淋巴细胞绝对值(Lymphocyte absolute value)、中性粒细胞百分比(Neutrophil percentage)等也处于前列。根据70个检测样本的统计分析,该模型平均可提供3.68±4.60天的COVID-19凝血障碍提前预警。 

本研究也存在一定的局限性。首先,本研究纳入的患者规模相当大,但他们都来自一个单一的中心。未来需要在更多病例较多、实验室检测数据完整的中心进行进一步验证。第二,虽然目前的研究增加了对脓毒症综合征进展的了解,但这是一项回顾性研究,缺乏循证式医学验证。要完全理解这些变化,还有很多工作要做。最后,一些测试项目的缺失可能会导致偏差,从而导致结果的误导性,所以我们在本研究中得到的结论需要在前瞻性设计中进行确认。 

总之,我们的研究提供了对新冠感染患者脓毒症的初步了解。我们发现炎症和凝血功能障碍可能在这一过程中起着重要的作用。我们认为,我们的研究结果可以作为诊断和预测COVID-19治疗期间败血症的工具。


往期回顾




网友评论已有0条评论, 我也要评论

发表评论

*

* (保密)

Ctrl+Enter 快捷回复