Page 93 - 南京医科大学自然版
P. 93

第45卷第11期             姜俞濛，卢国元，李建中. FCN2和MASP1与IgA肾病预后风险分层的相关性［J］.
                 2025年11月                    南京医科大学学报（自然科学版），2025，45（11）：1616-1625                      ·1623 ·


                对照组（P < 0.05），而 MASP1 水平差异无统计学意                   模型，表明NJIgAN⁃RSS构建的SSM模型可以精准预
                义。这与 Medjeral⁃Thomas 等 报道的 IgAN 患者                测IgAN肾脏预后      ［11，18］ 。Xie等 ［12］ 在中国多中心队列
                                           ［8］
                FCN2 及 MASP1 均升高的结果存在矛盾，推测可能                      上共构建了 4 条风险方程，分别针对 5 年和 10 年终
                与研究人群的肾功能异质性有关。值得注意的是，既                           点的CLIN模型（仅含临床变量）与CLIN⁃PATH模型
                往研究纳入患者的 eGFR 中位数为 52.6（28.7，81.8）               （另加MEST⁃C 评分中的M/T评分）。本研究选择了
               ［mL/（min·1.73 m ）］，提示多数处于慢性肾脏病                     CLIN⁃PATH⁃Risk5y 方程，不仅因为研究终点同NJI⁃
                                2
               （chronic kidney disease，CKD）G3 期，而本队列患者            gAN⁃RSS 风险分层一致——聚焦于 5 年内 ESRD 或
                eGFR中位数达99.2（77.5，113.5）［mL/（min·1.73 m ）］        eGFR 下降 50%，并且在发现队列中，CLIN⁃PATH⁃
                                                           2
               （CKD G1~2 期），提示其肾脏损害程度较轻。推测                        Risk5y方程的C⁃statistics略高于其他方程，因此其更
                肾功能保留较多的早期 IgAN 患者可能因病理损伤                         适合作为本研究的外部验证模型 。
                                                                                              ［12］
                局限于系膜区，仅触发FCN2介导的凝集素补体途径                              目前使用生物标志物预测 IgAN 预后的研究较
                                                           ［9］
                初始活化；而 MASP1 作为该途径下游效应分子 ，                        少，因此本研究创新性地评估了 FCN2 和 MASP1 这
                其显著升高可能需要更广泛的补体激活，这通常伴                            两个生物标志物在 NJIgAN⁃RSS 预后风险分层中的
                随肾功能恶化。这一机制或可解释本研究与既往                             预测价值。将51例IgAN患者分为低危组和中高危
                报道的差异，同时提示 FCN2 作为疾病活动性生物                         组，采用ROC曲线分析探讨FCN2和MASP1在IgAN
                标志物在早期诊断中的潜在优势，而MASP1可能更                          预后中的诊断效能，发现 FCN2 表现出优越的预测
                适合作为疾病进展的预测指标。                                    性能，而MASP1的预测性能一般。先前研究已证明
                    本研究结果表明，IgAN 患者血清 FCN2 水平与                    在IgAN预后模型中以5%的风险概率作为分组阈值
                蛋白尿严重程度（UPE和UPCR）及毛细血管内细胞                         具有合理性     ［19］ ，因此本研究在CLIN⁃PATH⁃Risk5y模
                增生（E1）呈显著正相关，同时与 eGFR 呈负相关趋                       型中计算 5 年肾脏风险事件概率，将风险概率≤5%
                势，提示 FCN2 可能在 IgAN 患者的蛋白尿发生及疾                     定义为低风险组，>5%定义为中高风险组，结果同
                病进展中发挥作用，但其与肾功能损害的直接关联                            样验证了 FCN2 在预测 IgAN5 年肾脏事件中的稳定
                仍需进一步研究验证。相比之下，MASP1 水平与                          优势。
                UPE、UPCR及U⁃RBC呈正相关，与eGFR和MEST⁃C                       在IgAN预后风险模型中，eGFR和UPE被公认为
                评分未见显著相关性，表明MASP1与肾功能损害的                          最稳定、最具临床应用价值的预后标志。KDIGO 指
                直接关联性尚不明确。因此，本研究结果提示                              南将eGFR和UPE列为评估CKD分期和进展风险的
                                                                                                ［20］
                FCN2 可能参与 IgAN 蛋白尿形成及疾病进展过程，                      核心指标，这同样适用于IgAN患者 。Barbour等                 ［21］
                但尚不足以作为进展预测的独立生物标志物，仍需                            提出的国际 IgAN 预后模型将 eGFR 和 UPE 纳入其
                在更大样本中进一步验证。                                      核心因素，并在多种族队列中表现出良好的预测效
                    国家肾脏疾病临床医学研究中心经过长期研究                          能。因此本研究以eGFR联合UPE作为基础预测模
                建立了针对IgAN患者的肾脏预后预测工具NJIgAN⁃                       型，后续纳入血清 FCN2 作为扩展预测模型。在此
                RSS，这是全球首个使用人工智能，结合患者的临                           基础上，血清 FCN2 在两种截然不同的风险评估模
                床病理指标预测肾脏预后的研究。该研究在评估                             型下均表现出稳定的预测能力。提示其作为补充
                多种机器学习方法和回归模型后，选择了达到最高                            标志物的潜在价值。
                C⁃statistics 的 XGBoost 为最终应用的精准预测模                    接下来为进一步探讨FCN2在IgAN危险分层中
                型。使用 XGBoost 模型从 36 个临床病理变量中选                     的预测价值，本研究采用 Logistic 回归分析，评估其
                出对模型最重要的10个变量，然后进行逐步Cox回                          是否为 IgAN 预后中高危组的独立预测因素。本研
                归分析筛选出 3 个关键变量。这 3 个变量包括：肾                        究采用 NJIgAN⁃RSS 模型进行 IgAN 危险分层，为避
                小管萎缩/间质性纤维化比例（T1/T2）、球形硬化比                        免模型中变量之间的共线性问题，提高模型的稳定
                例>25%、UPE>1 g/d，且根据 Cox 回归系数为这 3 个                性，我们在构建多因素回归模型时，排除了与肾小
                变量分配相应分值，从而构建SSM，将3个变量对应                          管萎缩/间质性纤维化比例（T1/T2）、球形硬化比例
                的得分相加，得到RSS，定义0~1分为低危组，2 分为                       和 24 h UPE 直接相关的因素，如 UPE、UPCR 以及 T
                中危组，3~4分为高危组。该模型的C⁃statistics高于                   病变。既往研究显示，补体 C3 在 IgAN 进展中具有
                以往的绝对肾脏风险分数（absolute renal risk，ARR）              重要作用，在IgAN 患儿中，系膜C3沉积≥2+的患者
   88   89   90   91   92   93   94   95   96   97   98