類風濕關節炎血清學實驗數據挖掘及其應用

摘要：目的 提煉血清學檢驗數據對類風濕關節炎的臨床診斷信息，實現類風濕關節炎早期干預治療。方法 采用臨床流行病學方法回顧分析類風濕關節炎血清學檢驗數據，優選試驗指標建立人工神經網絡診斷模型，SPSS統計軟件進行ROC分析并將ROC數據集擴展計算其漏診率、誤診率和驗后概率，驗證其診斷價值。結果 在24694例樣本中18項自身抗體檢測指標優選出抗環瓜氨酸肽抗體（CCP-AB）、類風濕因子（RF）、抗核抗體（ANA），受試者工作特征曲線（ROC）曲線下面積（AUC）依次為0.910、0.765和0.676。建立的人工神經網絡診斷模型的AUC為0.984。靈敏度、特異性和陽性預測值分別為96%、98%和61%。結論 優選出血清學檢驗建立人工神經網絡診斷模型對類風濕關節炎的診斷具有較高的準確性、統一性和可循證性。

關鍵詞：類風濕關節炎；自身抗體；人工神經網絡；ROC；循證醫學

美國風濕病學學會（ACR）和歐洲抗風濕病聯盟（EULAR）2009年關于類風濕關節炎（RA）分類標準將類風濕因子（RF）和抗環瓜氨酸肽抗體（CCP-AB）作為重要的血清學指標。近年的研究表明，CCP-AB等抗體具有早期診斷的意義，在類風濕關節炎典型癥狀出現之前干預治療至關重要。然而對于這些血清學指標的認識僅僅從串聯或并聯分析是不夠的， 不同的醫師給出的診斷意見差異很大。有些自身抗體滴度的高低與疾病具有很強的相關性，因此弄清楚血清學指標與RA的數量關系非常必要。

1 資料與方法

1.1一般資料 回顧分析瀘州醫學院附屬醫院和瀘州市第二人民醫院2012年9月～2014年9月所有CCP-AB、RF、ANA和ENA自身抗體譜檢驗數據，共計24694例，其中住院病例13241例，門診 11453 例。CCP-AB檢測573 例，ENA抗體譜9575例，RF檢測14536例。通過電子病歷查閱個病例的最后診斷。

1.2類風濕關節炎診斷標準 ACR/EULAR2009年的類風濕關節炎診斷標準。

1.3方法 檢測方法 CCP-AB為酶聯免疫吸附試驗（ELISA），RF為免疫比濁法，ANA為免疫熒光法，ENA為免疫印跡法。

1.4人工神經網絡模型 輸入節點：CCP-AB（S/co值）、RF（IU/ML）、ANA（0/陰性，0.5/±，1/+，2/++，3/+++）。輸出節點：1/類風濕關節炎、0/非類風濕關節炎。仿真預測值：-1～2。

1.5統計學處理 SPSS19.0統計軟件，ROC分析，輸出ROC數據集，并擴展計算出陽性預測值、漏診率和誤診率。

2 結果

2.1血清學實驗的ROC分析 各項指標的ROC曲線和AUC見圖1，表1。

2.2診斷閾值 對診斷類風濕關節炎有統計學意義的CCP-ab、RF和ANA三項血清學指標確定了漏診率和誤診率最小的診斷閾值（CUT OFF）、靈敏度、特異性、陽性預測值見表2。

2.3人工神經網絡模型 CCP-AB 、RF 和ANA三項指標聯合建立人工神經網絡診斷類風濕關節炎模型的ROC曲線見圖2，AUC=0.993，標準誤=0.007，漸進 Sig.b=0。漸近 95% 置信區間為0.98～1.00。ROC擴展數據集見表3。

2.4ANN模型驗證 應用雙盲法驗證：將120個驗證病例的CCP-AB、RF和ANA檢測結果輸入ANN模型運算輸出ANN預測值，將預測值CUT OFF設置為0.35（≥0.35為陽性），與臨床診斷的符合率為99.60%。診斷靈敏度99.10%，診斷特異性98.7%。

3 討論

類風濕關節炎是一種自身免疫性疾病，自身抗體檢測是最重要的診斷依據。回顧分析說明，其中CCP-AB、RF和ANA三項檢測是很好的診斷指標，其AUC在0.75以上。所以對于類風濕關節炎的實驗診斷這三項已經具有很好的診斷意義。CCP-AB的AUC達到0.9以上，而且出現在早期病例中。

關于多項實驗室指標的聯合分析報道很多[1]，然而都采用了簡單的串聯分析或并聯分析，只關注其單項指標的定性結果，忽略了檢測物質量與疾病的關系。將CCP-AB、RF和ANA三項指標檢測結果聯合建立人工神經網絡診斷模型，不僅提高了診斷的準確度，從AUC比任意單項指標高很多。控制誤診和漏診有據可循。對于同一個醫療組的統一判斷檢驗結果提供了參考。人工神經網絡模型利用OFFICE插件，容易調用，計算方便，容易保存。

參考文獻：

[1]藺昕，宗揚勇，呂連崢.3種指標聯合檢測在類風濕關節炎診斷中的應用[J].檢驗醫學與臨床，2010，17.

編輯/成森