《Scientific Reports》：Assessing mortality risk in pulmonary tuberculosis and severe malnutrition: development of the IIR marker via artificial intelligence
编辑推荐：
针对肺结核(TB)合并重度营养不良（BMI <16 kg/m2）患者院内死亡风险早期识别困难的问题，研究人员开展了一项为期三年的混合型研究，开发并验证了整合中性粒细胞、淋巴细胞和嗜酸性粒细胞的免疫炎症比值(IIR)。结果表明，IIR是预测死亡最强的独立因子（AUC 0.9711，调整后OR 13.98），其表现优于NLR、IIC等现有指标。该研究为高危患者的早期风险分层和优先干预提供了简洁有力的工具。
结核病（Tuberculosis, TB）至今仍是全球重大的公共卫生挑战，尤其当它与重度营养不良（身体质量指数 BMI <16 kg/m2）并存时，患者的临床结局往往更差，死亡风险显著增高。然而，在临床实践中，精准、早期地识别出这类高危患者并非易事。现有的风险预测指标，如中性粒细胞与淋巴细胞比值（Neutrophil-to-Lymphocyte Ratio, NLR）或累积炎症指数（Cumulative Inflammatory Index, IIC），其预测能力有限，难以满足临床对高精度分层和及时干预的需求。因此，开发一种简单、有效且能辅助临床决策的新型生物标志物，对于优化肺结核合并重度营养不良患者的治疗方案、降低死亡率具有迫切的现实意义。
为了回答这一问题，来自罗马尼亚奥尔特尼亚地区莱姆纳医院的研究团队进行了一项为期三年的混合型研究（2021年10月1日至2024年9月30日）。他们从总计3547例结核病患者中筛选出216例肺结核患者进行分析，旨在开发和验证一种基于人工智能辅助的新型生物标志物——免疫炎症比值（Immuno-Inflammatory Ratio, IIR）。这项研究的结果已发表在《Scientific Reports》杂志上。
研究者们采用了回顾性与前瞻性相结合的混合研究方法。关键的技术方法包括：1) 基于特定医院的临床队列构建：研究在罗马尼亚奥尔特尼亚地区的莱姆纳医院进行，纳入了216名符合标准的肺结核患者。2) 机器学习辅助的生物标志物开发与验证：利用患者治疗前基线血液学与生化参数（中性粒细胞、淋巴细胞、嗜酸性粒细胞计数），通过机器学习方法整合并优化，开发了IIR。3) 统计学建模与性能评估：使用受试者工作特征曲线（ROC）分析评估IIR的预测效能，并通过逻辑回归分析确定其作为独立死亡预测因子的价值，同时与NLR、IIC等现有指标进行比较。
研究结果
1. 免疫炎症比值（IIR）的开发与性能
研究人员整合了中性粒细胞、淋巴细胞和嗜酸性粒细胞的计数，通过机器学习方法开发了IIR这一新型生物标志物。在评估其对全因院内死亡（仅指从入院到出院的首次住院期间）的预测能力时，IIR表现出了卓越的区分度，其表观曲线下面积（Apparent Area Under the Curve, AUC）高达0.9711。确定的最佳阈值为7.44，此时IIR预测死亡的敏感度达到99.40%，特异度为91.49%。
2. IIR作为死亡风险预测因子的回归分析
在多变量逻辑回归分析中，IIR被证实是预测院内死亡最强的独立危险因素。其调整后的比值比（Adjusted Odds Ratio, OR）为13.98，且具有高度统计学显著性（p< 0.001）。这一预测效力显著超越了其他已建立的炎症指标，包括中性粒细胞与淋巴细胞比值（NLR）和累积炎症指数（IIC）。
结论与讨论
本研究成功开发并初步验证了一种用于评估肺结核合并重度营养不良患者院内死亡风险的新型生物标志物——免疫炎症比值（IIR）。该指标仅基于治疗前常规血液检测中的中性粒细胞、淋巴细胞和嗜酸性粒细胞计数，计算简便，易于在临床（包括资源有限地区）推广应用。核心结论是，IIR不仅具有极高的预测准确性（AUC > 0.97），而且是独立于其他因素的强死亡预测因子，其预测能力优于NLR和IIC等现有指标。这标志着在结核病风险分层领域取得了重要进展。
研究的意义在于，IIR为临床医生提供了一个强有力的工具，可用于早期识别死亡风险极高的患者。基于IIR的快速风险分层，有助于临床优先对这些高危患者实施标准化的强化干预措施，例如加强监护、提供积极的营养支持以及及时优化抗结核治疗方案，从而有望改善患者的整体临床结局。然而，作者也指出，本研究结论仍需在前瞻性、多中心的研究中得到进一步验证。未来研究还应关注IIR在患者住院期间及出院后的动态变化，以探索其超越本次住院的长期预测价值和应用场景。总之，这项研究为结核病，特别是合并严重并发症的患者管理，提供了新的、具有转化潜力的科学依据。
