阻塞性睡眠呼吸暂停综合征的血液学生物标志物:基于机器学习的诊断和预后模型
Aynur Aliyeva1,2, Ramil Hashimli3, Bayram Yılmaz4,5
1Neuroscience Doctoral Program, Yeditepe University, 34755 Istanbul, Turkey.
Journal of clinical medicine
|December 11, 2025
概括
系统性炎症生物标志物,如C反应蛋白 (CRP),系统性免疫炎症指数 (SII) 和纤维素素,在诊断阻塞性睡眠呼吸暂停综合征 (OSAS) 严重程度和预测治疗反应方面表现有前途. 需要进一步验证临床应用.
科学领域:
- 睡眠医学 睡眠医学
- 免疫学 免疫学 免疫学
- 生物标志物研究 生物标志物研究
背景情况:
- 阻塞性睡眠呼吸暂停综合征 (OSAS) 是一种与全身炎症相关的普遍疾病.
- 对OSAS严重程度和治疗反应的诊断和预后工具对于有效的患者管理至关重要.
研究的目的:
- 评估C反应蛋白 (CRP),全身免疫炎症指数 (SII) 和OSAS患者纤维素素的诊断和预后价值.
- 开发一种机器学习模型,用于分层OSAS严重程度和预测治疗结果.
主要方法:
- 一项前性观察队列研究,涉及195名成年OSAS患者,接受CPAP或手术治疗.
- 在治疗前和治疗后测量血液生物标志物 (CRP,SII,纤维素原).
- 采用多重睡眠学 (PSG) 来进行分阶段,ROC分析和随机森林机器学习来评估生物标志物.
主要成果:
- 对于严重的OSAS,CRP的诊断准确度很高 (AUC=0.91).
- 纤维素与OSAS严重程度有很强的相关性 (ρ=0.81),并且在治疗后显著减少.
- 机器学习确定了CRP,SII和纤维素原作为关键预测因子;确定了三种炎症性OSAS表型.
结论:
- CRP,SII和纤维素素显示出OSAS风险分层和监测的潜力.
- 探索性发现需要在生物标志物或ML模型的常规临床实施之前进行更大规模的多中心验证.
