《Scientific Reports》：Analysis of chemiluminescence and liquid chromatography-mass spectrometry in 25-hydroxyvitamin D detection using fuzzy logic
编辑推荐：
血清25-羟基维生素D[25(OH)D]是评估维生素D状态的关键指标，但常用检测方法CLIA与LC-MS/MS存在差异，影响结果一致性。本研究利用GENFIS分析了138例样本，发现两方法虽强相关，但LC-MS/MS测得浓度显著更高，并识别出30-40岁女性群体差异尤为显著，额外59例验证样本RR达3.18。研究为维生素D检测标准化及临床解读提供了重要依据。
维生素D在维持骨骼健康、调节免疫和预防慢性病方面扮演着至关重要的角色，其中血清中的25-羟基维生素D [25(OH)D]是评估人体维生素D营养状况的“金标准”生物标志物。临床上，维生素D缺乏与骨质疏松、糖尿病、心血管疾病等多种疾病风险密切相关，因此准确测量其浓度对疾病的诊断、预防和治疗干预具有明确的指导意义。然而，在实际的临床检测与科研分析中，一个令人困扰的问题长期存在：针对同一份样本，使用不同的检测技术往往会得到不一致的25(OH)D浓度数值。目前应用最广泛的两种方法是化学发光免疫分析(Chemiluminescence Immunoassay, CLIA)和液相色谱-串联质谱法(Liquid Chromatography–Tandem Mass Spectrometry, LC-MS/MS)。前者因其操作自动化、速度快而广受临床实验室青睐；后者则因其高特异性与准确性，常被视为参考方法。但两种方法间的“方法论差异”使得检测结果的可比性大打折扣，这不仅给临床医生的解读带来困惑，也可能影响流行病学研究和公共卫生决策。更复杂的是，这种差异是否受到年龄、性别等人口统计学因素的影响，此前尚不明确。为了解决这些问题，一项发表在《Scientific Reports》上的研究应运而生，它创新性地引入了一种名为生成式模糊推理系统(Generative Fuzzy Inference System, GENFIS)的人工智能工具，旨在深入剖析CLIA与LC-MS/MS在检测25(OH)D时的一致性与相关性，并探索潜在的人口学影响因素。
本研究主要采用了三种关键技术方法。首先，核心检测技术是化学发光免疫分析法(CLIA)和液相色谱-串联质谱法(LC-MS/MS)，用于平行测定血清样本中的25(OH)D浓度。其次，研究纳入了138份初始人血清样本构成分析队列，并后续增加了59份样本用于验证特定发现。最后，数据分析的关键工具是生成式模糊推理系统(GENFIS)，用于建模和识别两种检测方法差异的模式。
CLIA与LC-MS/MS检测结果存在显著差异但总体相关性良好
研究人员首先对138份血清样本同时使用CLIA和LC-MS/MS进行检测。统计分析显示，LC-MS/MS方法测得的25(OH)D浓度平均值显著高于CLIA方法（p < 0.01），平均差值为1.33 ± 3.71 ng/mL，95%置信区间(CI)为-5.95 到 8.61。尽管存在这种系统性的数值差异，两种方法展现出了强烈的线性相关关系，决定系数(R2)高达0.9075。两者的一致性也通过统计指标得到证实：Cohen’s Kappa值为0.8257，组内相关系数(Intraclass Correlation Coefficient)为0.93，均表明两种方法在分类和连续数据上具有良好的一致性。
GENFIS模型提示30-40岁女性群体可能存在特异性差异模式
为了深入挖掘数据中隐藏的复杂模式，研究团队应用了GENFIS模型对数据进行分析。模型分析指示，在30至40岁的女性群体中，CLIA与LC-MS/MS两种方法的检测差异可能表现得尤为突出。换言之，这个特定亚组人群的检测结果不一致性可能比其他人群更大。
验证队列证实特定女性亚组的差异风险显著增高
为了验证上述GENFIS模型的推断，研究者额外收集了59份血清样本进行验证分析。针对30-40岁女性这一疑似高风险亚组，计算其相对于其他人群（非此年龄段的女性及所有男性）的相对风险(RR)。结果显示，该亚组的相对风险为3.18（95% CI: 1.71–5.93; p < 0.05）。这意味着，30-40岁女性样本出现较大检测差异的风险是其他人群的3.18倍。这一结果有力地支持了GENFIS模型的初步发现，证实了年龄和性别因素确实会显著影响两种主流维生素D检测方法结果的一致性。
该研究的结论明确指出，虽然CLIA与LC-MS/MS在检测血清25(OH)D时具有高度的总体相关性和一致性，但LC-MS/MS倾向于给出更高的浓度值，且这种差异并非随机分布，而是与特定的人口学特征相关。研究通过GENFIS模型成功识别并经由独立样本验证，发现30-40岁的女性群体是两种方法检测差异尤为显著的亚组。这一发现具有重要的临床与科研意义。它首先揭示了当前维生素D检测标准化进程中一个此前未被充分认识的挑战：人口统计学因素（如年龄和性别）可能成为导致实验室间或方法间结果变异的关键混淆变量。这提示临床医生和实验室在解读维生素D检测报告，特别是当结果处于临界值或不同时期使用了不同检测方法时，需要更加审慎，考虑患者的人口学特征。其次，该研究为改进维生素D检测的标准化流程提供了新的视角，未来在制定检测指南或标准物质赋值时，可能需要考虑纳入具有不同年龄和性别特征的样本，以提高标准在实际人群中的适用性。最后，研究展示了GENFIS等人工智能模型在分析复杂临床检测数据、揭示非线性和交互作用模式方面的强大潜力，为生命科学领域的多变量数据分析提供了新的工具思路。总之，这项工作不仅增进了我们对维生素D检测方法学差异的理解，也为实现更精准、更个性化的临床检验诊断迈出了重要一步。
