基于隨機森林算法的腦小血管病伴輕度認知障礙的診斷模型研究*

曹 倩 蘇牟瀟 魏繼鴻 唐志會 陳 蓓

腦小血管病是臨床常見的疾病，是指腦組織在受到病理感染或機械性損傷等導致的顱內微小動脈及小動脈病變，從而引起腦組織出血性損害或者缺血[1，2]。隨著生活方式的改變和人口老齡化的加速，腦小血管病的患病人數日益增多[3]。據報道[4]，每一萬人中就有約485人會發生腦小血管病，給社會造成了嚴重的經濟負擔。輕度認知障礙是腦小血管病患者比較常見的并發癥，早期其臨床癥狀不典型且比較隱匿，容易被臨床醫生忽視，大部分患者在發現時已經出現了明顯的認知能力降低，甚至發展成為癡呆，嚴重影響患者的日常生活，而且還會增加治療的難度[5，6]。我國人口眾多，醫療資源有限，我國腦小血管病伴輕度認知障礙的防治工作正在面臨著十分嚴峻的挑戰[7]。因此，盡早確定腦小血管病伴輕度認知障礙的危險因素，進而對患者進行適當干預，對于降低腦小血管病伴輕度認知障礙的發生風險十分必要。本研究分析226例腦小血管病患者的臨床資料，構建預測腦小血管病伴輕度認知障礙的隨機森林模型，以期為腦小血管病伴輕度認知障礙的防治提供理論支持。

1 對象與方法

1.1 對象 選取2019年12月～2021年3月綿陽市中心醫院診治的226例腦小血管病患者作為研究對象。入選標準：符合腦小血管病相關認知障礙中國診療指南(2019)中腦小血管病的診斷標準[8]；臨床資料完整；年齡≥18歲；無腫瘤疾??；對本研究知情同意。排除標準：重要臟器功能障礙；近一年內有腦卒中及腦外傷等病史；聽力、視力、語言功能障礙；精神疾病、抑郁；阿爾茨海默病、癡呆；近一年內有心臟類疾病史；哺乳期或妊娠期婦女。

1.2 方法

1.2.1 輕度認知障礙的判定標準 輕度認知障礙參考蒙特利爾認知評估量表(MoCA)[9]進行判斷：該量表包括定向力、延遲回憶、抽象、語言、注意力、命名、視空間與執行力等7個項目，滿分為30分，評分<26即可判定為輕度認知障礙。

1.2.2 病例分組及資料收集 根據輕度認知障礙的發生情況將所選腦小血管病患者分為輕度認知障礙組和無輕度認知障礙組。收集記錄患者的臨床資料進行分析，資料包括：性別、年齡、家庭月收入、體質量指數、文化程度、婚姻狀態、獨居、就業狀態、高同型半胱氨酸血癥、糖尿病、飲酒史、吸煙史、高血壓及睡眠障礙等資料。

1.2.3 統計學方法 采用SPSS 24.0軟件數據，計數資料選擇卡方檢驗分析，運用Logistic回歸分析篩選腦小血管病伴輕度認知障礙的危險因素，采用R(R3.5.3)軟件建立預測腦小血管病伴輕度認知障礙的隨機森林模型，并繪制受試者工作特征(ROC)曲線。以P<0.05為差異有統計學意義。

2 結果

2.1 腦小血管病伴輕度認知障礙的單因素分析 226例腦小血管病患者中有81例患者發生輕度認知障礙，輕度認知障礙的發生率為35.84%(81/226)，輕度認知障礙組和無輕度認知障礙組性別、家庭月收入、體質量指數、婚姻狀態、就業狀態、飲酒史及吸煙史等資料比較差異均無統計學意義(P>0.05)，而年齡、文化程度、獨居、高同型半胱氨酸血癥、糖尿病、高血壓及睡眠障礙比較差異均有統計學意義(P<0.05)。見表1。

表1 兩組患者一般資料分析

2.2 腦小血管病伴輕度認知障礙的危險因素 將單因素分析中年齡、文化程度、獨居、高同型半胱氨酸血癥、糖尿病、高血壓及睡眠障礙差異有統計學有意義的項目作為自變量，以是否發生輕度認知障礙為因變量，賦值見表2，進行腦小血管病伴輕度認知障礙的多因素Logistic回歸分析。結果顯示，高齡、文化程度低、獨居、高同型半胱氨酸血癥、糖尿病、高血壓及睡眠障礙是腦小血管病伴輕度認知障礙的危險因素(P<0.05)。見表3。

表2 變量賦值表

表3 腦小血管病伴輕度認知障礙的多因素Logistic回歸分析

2.3 腦小血管病伴輕度認知障礙的隨機森林模型變量重要性分析 以腦小血管病患者是否發生輕度認知障礙為因變量，將年齡、文化程度、獨居、高同型半胱氨酸血癥、糖尿病、高血壓及睡眠障礙作為自變量，構建腦小血管病伴輕度認知障礙的隨機森林模型。結果顯示，樹的數目為72時錯誤率最低。見圖1。影響腦小血管病伴輕度認知障礙的因素重要性排序依次是年齡、高同型半胱氨酸血癥、獨居、高血壓、文化程度、睡眠障礙及糖尿病。見圖2。因此，影響腦小血管病伴輕度認知障礙的危險因素重要性排序依次是高齡、高同型半胱氨酸血癥、獨居、高血壓、文化程度低、睡眠障礙及糖尿病。

圖1 隨機森林錯誤率評估

圖2 隨機森林模型變量重要性排序

2.4 兩種模型的ROC曲線分析 隨機森林模型預測腦小血管病伴輕度認知障礙的AUC為0.804，Logistic回歸模型預測腦小血管病伴輕度認知障礙的AUC為0.797，隨機森林模型與Logistic回歸模型對腦小血管病伴輕度認知障礙皆具有較高的預測效能。見圖3。

圖3 隨機森林模型與Logistic回歸模型預測腦小血管病伴輕度認知障礙的ROC曲線

3 討論

腦小血管病患者發生輕度認知障礙，如果不能及時對患者進行有效干預，可進一步發展成為癡呆，對患者的治療極為不利，導致治療的工作更加繁重[10]。因此，及早發現輕度認知障礙，分析腦小血管病患者發生輕度認知障礙的危險因素，從而進行合理干預，對于患者的治療具有積極的幫助作用。本研究中，226例腦小血管病患者中有81例患者發生輕度認知障礙，輕度認知障礙的發生率為35.84%，提示腦小血管病患者是輕度認知障礙的易發人群，臨床醫生需要警惕腦小血管病患者發生輕度認知障礙。

Logistic回歸是一種非線性概率型的預測模型，可以研究分類觀察結果和一些協變量之間的關系，臨床上通常將Logistic回歸用于分析誘發疾病的高危因素[11]。本研究Logistic回歸分析結果顯示，高齡、文化程度低、獨居、高同型半胱氨酸血癥、糖尿病、高血壓及睡眠障是腦小血管病伴輕度認知障礙的危險因素(P<0.05)。姜滬等[12]報道，高齡是輕度認知障礙的影響因素，本研究結果與之相符。老年人群的身體機能隨著年齡增長而下降，組織器官逐漸衰老，激素、神經營養因子水平降低，因而更容易發生輕度認知障礙。王玲等[13]認為文化程度低的比較容易發生輕度認知障礙，本研究結果與之相符。文化程度較高能夠增加神經元的連通性和可塑性，文化程度低神經元的連通性和可塑性也較低，因而文化程度低會增加輕度認知障礙的發生風險。代峰等[14]報道獨居是輕度認知障礙的影響因素，本研究結果與之相符。獨居的患者認知活動相對匱乏，大腦缺乏強烈的激勵，神經元的壽命和可塑性降低，因而造成輕度認知障礙的發生風險增加。趙留莊等[15]報道高同型半胱氨酸血癥是輕度認知障礙的影響因素，本研究結果與之相符。高水平的同型半胱氨酸會損害腦小血管，引起無癥狀腦梗死或腦白質異常，進而增加輕度認知障礙的發生風險。黃武全等[16]報道糖尿病是輕度認知障礙的影響因素，本研究結果與之相符。糖尿病患者體內血糖水平較高，而高血糖會對神經介質的表達及其傳導速度進行影響，使得受體功能遭到破壞，造成腦功能改變，從而增加了輕度認知障礙的發生風險。楊藝等[17]認為有高血壓的患者容易發生輕度認知障礙，本研究結果與之相符。高血壓會降低血管自我調節功能，使得腦灌注不足，導致腦代謝異常和局部缺血缺氧，從而導致輕度認知障礙的發生風險增加。賈叢康等[18]報道睡眠障礙是輕度認知障礙的影響因素，本研究結果與之相符。有睡眠障礙的人群，大腦得不到較好的休息，褪黑素的分泌減少，從而增加了輕度認知障礙的發生風險。

隨機森林模型是近些年興起的一種數據分析方式，可以對大規模復雜無規律的數據進行高效處理，一般被用于分析誘發疾病的重要影響因素[19]。本研究建立了腦小血管病伴輕度認知障礙的隨機森林模型，每項危險因素皆有其對應的重要性排序。相比于沈麗麗等[20]構建的Logistic回歸模型，隨機森林模型具有操作方便和可視可讀的特點，并且能夠看到危險因素的重要性排序，醫學人員理解和使用起來更加方便和容易。本研究隨機森林模型顯示，影響腦小血管病伴輕度認知障礙的因素重要性排序依次是年齡、高同型半胱氨酸血癥、獨居、高血壓、文化程度、睡眠障礙及糖尿病，臨床可結合影響腦小血管病伴輕度認知障礙的因素重要性排序依次對患者進行干預以減少輕度認知障礙的發生率。隨機森林模型預測腦小血管病伴輕度認知障礙的AUC為0.804，Logistic回歸模型預測腦小血管病伴輕度認知障礙的AUC為0.797，隨機森林模型與Logistic回歸模型對腦小血管病伴輕度認知障礙皆具有較高的預測效能，提示隨機森林模型臨床應用的價值較高。

綜上所述，高齡、高同型半胱氨酸血癥、獨居、高血壓、文化程度低、睡眠障礙及糖尿病等是腦小血管病伴輕度認知障礙的危險因素，本研究構建的隨機森林模型臨床應用價值較高，有助于臨床篩查輕度認知障礙高風險人群和提前制定相關的防治措施。