我院检验科杨攀玉发表两篇高水平SCI论文

导语

本周「第一生殖」学术专栏将由我院检验科杨攀玉带来专题分享，就「系统性红斑狼疮」进行探讨 交流。

系统性红斑狼疮（systemic lupus erythematosus，SLE）是一种主要侵害处于生殖年龄段女性的慢性自身免疫性疾病，会影响许多器官和系统，尤其是肾脏。SLE患者的生殖健康和生育能力受到多方面的影响，比如疾病活动性、药物治疗、抗磷脂抗体综合征等。

狼疮肾炎（lupus erythematosus, LN） 是SLE患者常见且严重的并发症。LN分为增殖型 (proliferative lupus nephritis，PLN) 和非增殖型 (non-proliferative lupus nephritis，NPLN)。其中PLN由免疫介导，表现为高度炎症和不可逆的肾损伤，提示SLE活动性。

SLE患者在孕期并发肾炎会面临复杂的医疗情况。狼疮性肾炎导致的胎儿流产率为12%-38%，其中流产率为8%-24%，死产或新生儿死亡率为4%-24%。与NPLN相比，PLN患者的不良孕产结局比例显著增加，包括疾病活动性、先兆子痫发作率和妊娠失败。这强调了孕期SLE患者进行PLN和NPLN风险分层的重要性。由于肾活检在孕期存在明显的禁忌症和潜在并发症，尤其是对于胎儿可能的风险，使得该诊断方法受到严格限制。

在辅助生殖中，患有LN的妇女在采取辅助生殖技术，如体外受精（In Vitro Fertilization，IVF）来实现怀孕时，需要考虑PLN的疾病活动性及自身免疫紊乱因素导致的胚胎流产以及妊娠并发症的风险。因此PLN患者的妊娠被认为是高危妊娠，在进行IVF之前早期诊断和治疗降低疾病活动性可以显著提高母婴结局。

对此，我院检验科杨攀玉，联合我院生殖免疫科、成都锦欣生殖医学与遗传学研究所、四川大学华西医院检验科、四川大学华西医院生物医学大数据中心、四川大学华西医院肾病科，分别在frontiers in immunology（IF=7.3）和Clinical Immunology（IF=8.6）发表两篇高水平的学术论文，通过机器学习技术构建了预测PLN的诊断模型并筛选了PLN的生物标志物，有助于临床早期预测增殖狼疮肾炎疾病的风险，在提示疾病活动、激素药物使用、辅助生殖技术适用性、胎儿生长和妊娠并发症预防等方面都有很大应用价值。

研究将780例受试者按照7:3的比例随机分配到训练队列和测试队列，以便在训练队列上构建并验证多种机器学习模型。这些模型包括广义线性模型（如逻辑回归、最小绝对收缩和选择算子（Least Absolute Shrinkage and Selection Operator，LASSO）、岭回归和弹性网络回归、支持向量机（包括线性和径向基核函数）以及决策树类模型（如经典决策树、条件推断树和随机森林）。研究采取了十折交叉验证和网格搜索的方法优化模型参数，并通过约登指数确定了区分PLN与NPLN的最优阈值。模型的诊断性能通过受试者工作特征曲线（Receiver Operating Characteristic Curve，ROC）、校准曲线以及临床决策曲线（Decision Curve Analysis，DCA）来评估。此外，研究通过对比不同机器学习模型筛选出具有高潜力的PLN诊断标志物。研究为需要做IVF的患者孕前或者孕期PLN的风险预测提供了有价值的参考依据。

展望未来，我们计划更广泛地将人工智能和机器学习技术应用于辅助生殖领域。通过这些先进技术，我们能够提供更加精准和个性化的诊断与治疗方案，从而提高不孕不育患者的成功率和生活质量。

我们的目标是为更多的不孕不育患者带来更多的希望，帮助他们实现拥有家庭的梦想。同时，我们将继续推进相关研究，不断优化和完善技术手段，确保能够提供最优质的医疗服务，为患者带来更大的福音。

文献：

[1] Yang P, Liu Z, Lu F, et al. Machine learning models predicts risk of proliferative lupus nephritis. Front Immunol. 2024;15:1413569. Published 2024 Jun 11. doi:10.3389/fimmu.2024.1413569.

[2] Yang P, Tang X, Li P, et al. A nomogram to predict the risk of proliferative lupus nephritis in patients with systemic lupus erythematosus involving the kidneys. Clin Immunol. Published online June 22, 2024. doi:10.1016/j.clim.2024.110296

论文作者 杨攀玉
四川大学医学硕士
检验科免疫组组长

以第一作者发表SCI论文3篇，中文核心论文1篇，授权国家发明专利一项。曾获《中国免疫学杂志》“2021年度优秀论文”奖和多次国内会议“优秀投稿论文”奖。研究方向为自身免疫疾病诊断和生物标志物筛选以及生殖免疫调节机制、人工智能在辅助生殖技术的应用和大数据挖掘。

论文参与者 郑渠
主任检验师
检验科主任

以第一作者发表核心期刊2篇，授权国家实用新型专利1项，主研四川省医学青年创新课题一项。曾参与多次国内学术会议并投稿。