200
评论
查看更多
密码过期或已经不安全，请修改密码
修改密码
壹生身份认证协议书
同意
拒绝
同意
拒绝
同意
不同意并跳过
近日，复旦大学附属华山医院赵重波教授与四川大学华西医院周红雨教授于Frontiers in Immunology杂志发表了题为“Predictors of exacerbation in myasthenia gravis after minimal symptom expression: a bicenter cohort study”的文章。
这项双中心队列研究系统评估了动态监测乙酰胆碱受体抗体水平对预测重症肌无力（MG）复发的价值，并构建了经外部验证的预测模型，为实现MG稳定期患者的个体化风险分层与精准治疗决策提供了工具。
MG是一种抗体介导的神经肌肉接头自身免疫性疾病，约85%的患者体内存在抗乙酰胆碱受体抗体（AChR-ab）。最小症状表达[MSE，定义为MG日常活动量表（MG-ADL）评分0~1分]是目前MG治疗的核心目标，代表疾病的最优控制状态。目前临床上针对处于稳定期的MSE后患者，尚缺乏可靠的病情预测工具，治疗减量决策多依赖经验判断，减药过程中复发率高达50%。如何在疾病稳定阶段提前识别高风险患者、实现从"被动应对"到"主动预防"的管理模式转变，是当前MG领域亟待解决的临床难题。
既往研究表明，单时点AChR-ab水平与临床严重程度的相关性有限，但多项证据提示抗体水平的动态变化可能具有更强的预后价值。本研究即以此为切入点，系统探索AChR-ab动态监测对MSE后复发预测的临床意义。
本研究为双中心队列研究（图1），建模队列来源于华山医院MG注册数据库，纳入339例AChR-ab阳性且已达MSE的成年MG患者；外部验证队列来源于华西医院，纳入60例。两队列基线特征具有良好可比性。
图1
患者每6个月随访一次，发生复发时增加额外随访。
研究设定四个关键时间节点：起病期（免疫治疗前）、最重期（病情峰值）、MSE期（MG-ADL首次达0~1分）及结局期（截至2025年8月，平均随访71.5个月）。
根据MSE后MG-ADL变化，患者分为复发组（增加≥2分）与稳定组（图2A）。
每次随访系统采集人口学资料、疾病特征、治疗方案及标准化临床评分（MG-ADL、QMG、MGC、MG-QOL-15）。
各时间节点采集外周血清（-80°C保存），采用放射免疫沉淀法定量检测AChR-ab（nmol/L）。
核心暴露变量ΔAChR-ab定义为起病期至MSE期的抗体变化量，作为量化个体免疫治疗应答深度的复合生物标志物。
列线图开发遵循TRIPOD指南，以单因素筛选（P<0.1）后向后逐步多因素逻辑回归（P<0.05）确定独立预测因素。
模型性能通过AUC-ROC评估区分度，Hosmer-Lemeshow检验评估校准度，并在独立外部队列中验证泛化能力。
建模队列共纳入339例患者，女性占63.1%，起病中位年龄41岁，达MSE时中位年龄44岁。起病时，53.4%的患者表现为全身型MG，46.7%仅有眼部症状。从发病到病情稳定平均历时45.8个月，所有患者在MSE期均达到无症状状态。抗体水平随病程呈现出规律性的起伏，起病时AChR-ab中位水平为6.6 nmol/L，病情最重时升至10.1 nmol/L，达到MSE后回落至5.9 nmol/L。
在疾病特征方面，30.7%的患者合并胸腺瘤，其中WHO B2型最为常见（18.6%）；35.7%曾接受胸腺切除术；36.0%合并其他免疫相关共病；13.6%在达到MSE前曾经历危象或先兆危象；56.0%在糖皮质激素基础上额外使用了非甾体类免疫抑制剂。
经平均25.6个月的随访，188例（55.5%）患者出现复发，151例（44.5%）维持稳定，桑基图展示了患者在全随访过程中的病情变化（图2B）。
LOESS回归分析显示，AChR-ab水平在病情最重时达峰，MSE期降至最低，症状加重时再度升高（P<0.001），而维持稳定的患者抗体水平则持续低于MSE时的基线（P<0.001）（图2C，图3A）。
这一规律提示，持续追踪抗体水平的变化趋势，比单次检测的绝对值更能反映疾病的实际走向。
图2
Kaplan-Meier分析显示，MSE后复发的中位时间为35.1个月（图3B）。
图3
ΔAChR-ab与MG-ADL、QMG、MGC、MG-QOL-15等临床评分的变化均呈显著相关（均P<0.001，图4），说明纵向抗体监测可以作为跟踪病情变化的客观指标。
图4
多因素回归分析确定了5项独立预测因素：① 起病至MSE病程较短（病程短的患者免疫状态尚不稳定，更容易波动，P=0.039）；② ΔAChR-ab较小（抗体降幅有限，说明对治疗的免疫应答不够充分，P=0.011）；③ 合并胸腺瘤（P=0.015）；④ 合并免疫相关共病（P=0.040）；⑤ 既往危象或先兆危象史（P=0.044）。
基于这5项因素构建的列线图，在建模队列中具有良好的区分度（AUC=0.886，95%CI 0.852~0.921）和校准度（Hosmer-Lemeshow检验：P=0.868）。
在外部验证队列中同样稳定（AUC=0.829，95%CI 0.721~0.936；校准检验：P=0.395），具有较好的泛化能力（图5）。
目前该模型已开发为在线计算器（图6）。
图6
本研究提示，MG患者复发的风险来源可以分为两类：一类是早期免疫不稳定，即病程较短的患者自身免疫反应尚未进入平稳状态，容易出现波动；另一类是持续性免疫功能紊乱，胸腺瘤、既往危象史和免疫相关共病均属于这一类，反映的是长期存在的免疫失调背景。
ΔAChR-ab之所以具有预测价值，是因为它记录的是从发病到病情稳定过程中抗体的变化幅度，能够在一定程度上反映个体对治疗的实际应答深度。在治疗方案相近的情况下，抗体降幅越大，通常意味着免疫抑制越充分，这一点在MGTX试验分析及胸腺切除术后随访研究中均有类似发现。
本研究队列中患者所接受的治疗以传统广谱免疫抑制方案为主。而近年来MG的治疗格局正在快速演变，靶向补体、新生儿Fc受体（FcRn）或B细胞的单克隆抗体相继进入临床，其中FcRn拮抗剂可直接加速IgG降解，针对性降低AChR-ab水平，其对抗体动态变化模式的影响与传统免疫抑制剂并不相同。随着新型药物的广泛应用，ΔAChR-ab的生物学含义及其预测效能都可能随之改变。
未来的研究有必要在现有模型基础上，结合治疗类型、抗体亚型及新型生物标志物，进一步丰富预测维度，以适应日益多元化的治疗背景，实现更精准的个体化风险评估。
本研究的局限性主要包括：队列规模有限，治疗剂量及减量细节未被系统记录，AChR-ab亚型未加区分，且ΔAChR-ab的计算需要完整的纵向抗体数据，对于缺乏基线资料的转诊患者，模型的适用性可能受到影响等。
本研究证实，动态监测AChR-ab水平对预测MSE后MG患者的复发风险具有重要价值。所建立的五因素列线图区分度高、外部验证性能稳定，已落地为可公开使用的在线工具，为临床实践提供了一个客观、可量化的风险评估参考。未来仍需更大规模的多中心研究加以验证，并进一步探索AChR-ab亚型分析能否带来更精准的预测信息。
来源 华山罕见病
查看更多
中国医学论坛报
壹生
今日肿瘤
今日循环
今日糖尿病
今日口腔
全科周刊
脱贫地区农副产品网络销售平台
京公网安备 11010202008182号
| 互联网新闻信息服务许可证编号：10120190017