急性缺血性卒中（acute ischemic stroke, AIS）是一种发病率、致残率和致死率高的多因素疾病，人群异质性大，有证据表明部分AIS患者在接受指南推荐的规范化治疗后仍存在较高的卒中复发风险，所以对不同临床结局的患者进行精准风险分层和治疗反应性评价是亟待解决的关键问题。我国科学家利用第三次中国国家卒中登记队列研究数据，基于大数据驱动构建了一种AIS精准表型的方法。相关研究结果近期发表在《eClinicalMedicine》期刊。

　　研究团队对AIS患者的92个生物标记（包括：人口学特征、凝血功能、肝肾功能、炎症标志物、糖代谢、脂代谢、同型半胱氨酸代谢、肠道菌群代谢产物、影像特征等）进行了深度分析。采用高斯混合模型进行无监督聚类，揭示了4个基于不同生物标记、反映不同病理生理学机制的新表型。其中表型1以糖代谢、脂代谢异常为主要特征，表型2以炎症、肾功能异常为主要特征，表型3以小动脉闭塞性梗死为主要特征，表型4以同型半胱氨酸代谢异常为主要特征。上述表型可以实现有效的疾病预后风险分层。通过在队列中进行验证，发现表型2的3个月卒中复发，死亡以及不良功能结局风险最高，表型4和表型1风险次之，表型3风险最低。进一步通过蒙特·卡罗随机模拟方法发现表型2对强化他汀治疗的反应性良好。

　　该研究应用机器学习方法在全国性卒中队列中发现可靠的生物标记，构建了AIS的精准表型，实现对卒中人群的精准风险分层，有助于进一步理解缺血性卒中发生发展的病理生理学机制，为AIS的精准诊疗干预提供了方向。

　　论文链接：

　　https://www.sciencedirect.com/science/article/pii/S2589537022003698

　　注：此研究成果编译自《eClinicalMedicine》，文章内容不代表本网站观点和立场。