12.22-12.28 临床预测模型研究顶刊快报

1、颅内动脉瘤破裂风险预测模型的开发与验证  12.23  JAMA Network

1、吸烟的蛋白质组学特征及其与不同人群新发疾病和死亡风险的关联  12.24  nature communications

1、颅内动脉瘤破裂风险预测模型的开发与验证

Development and Validation of a Prediction Model for Intracranial Aneurysm Rupture Risk

背景：颅内动脉瘤破裂是蛛网膜下腔出血的主要诱因，现有临床预测工具（如PHASES和UCAS评分）虽被广泛使用，但对于直径小于10毫米的动脉瘤常归类为低风险，实际临床中仍存在破裂可能。因此，本研究旨在开发并验证一种基于机器学习的新型预测模型，以更精准地评估未破裂颅内动脉瘤的短期（2年内）破裂风险。研究重点整合了包括临床特征、动脉瘤形态学参数及其随时间变化的动态指标在内的多维数据，以期在传统风险分层基础上提供更为个体化的风险评估工具，辅助临床决策。

（1）结论：研究成功构建并验证了一个基于LightGBM算法的机器学习模型，在包含超过1.1万个动脉瘤的多中心队列中表现出良好的预测性能。该模型在内部验证队列中的AUC为0.88，在外部验证队列中提升至0.90，显著优于PHASES和UCAS评分（AUC分别为0.72-0.84）。模型对直径小于10毫米的小动脉瘤同样具有较高的区分能力（AUC=0.88）。特征重要性分析显示，最新动脉瘤长度、囊状比率及时间依赖性形态变化参数是影响破裂风险的关键因素，而传统临床指标如高血压、吸烟等权重相对较低。这表明该模型能够有效整合形态学动态变化信息，提升对小动脉瘤及生长性动脉瘤的风险识别能力，具有临床推广应用潜力。

1、吸烟的蛋白质组学特征及其与不同人群新发疾病和死亡风险的关联

Proteomic signatures of smoking and their associations with risk of incident diseases and mortality in diverse populations

（1）背景：吸烟是导致全球发病和死亡的主要行为因素，但传统评估方法如问卷自报或短期生物标志物（如呼出气一氧化碳、可替宁）难以准确量化长期吸烟暴露及个体生物反应差异。现有研究虽揭示了吸烟的表观遗传学特征，但其对疾病风险的预测能力有限。因此，本研究旨在通过血浆蛋白质组学建立一种客观、高精度的吸烟暴露生物标志物，以捕捉吸烟引起的系统生物学变化，并评估其对多种疾病和死亡风险的预测价值。

（2）结果：研究基于英国生物银行（UKB）43,914名参与者的2,917种血浆蛋白质数据，通过梯度提升树模型构建了蛋白质组学吸烟指数（pSIN），该指数包含51种蛋白质，在区分当前吸烟者和从不吸烟者时表现出极高的准确性（AUC=0.95）。外部验证于中国嘉道理生物银行（CKB）中同样表现优异（AUC=0.91）。pSIN不仅与吸烟史强相关，还能独立于自我报告吸烟史预测全因死亡率及18种主要慢性病（如肺癌、COPD、心血管疾病）的风险。此外，pSIN能追踪戒烟者的生物学恢复状态，识别其疾病风险是否已接近从不吸烟者。该模型为吸烟相关健康风险提供了分子层面的精准评估工具，具有重要的临床转化潜力。