基于聚类分析对慢性肺部疾病表型的研究进展

生物大数据处理中的聚类分析方法与实例解析在生物学研究领域，大数据的产生和积累已经成为一种常态。

这些大数据的处理和分析对于揭示生物体内复杂的分子机制、基因组组织和功能的互作关系以及生物多样性等方面的研究具有重要意义。

聚类分析是生物大数据处理的重要工具之一，通过将相似的基因、蛋白质、疾病样本等聚为一类，可以提取出群体的共同特征，从而为生物学研究提供有价值的信息。

聚类分析是一种无监督学习方法，通过计算样本之间的相似度或距离来将样本划分为不同的簇。

这些相似度或距离的计算方法多种多样，常见的有欧氏距离、曼哈顿距离、余弦相似度等。

聚类分析的主要目标是将相似的样本归为一类，不同类之间的差异尽可能大。

在生物学研究中，聚类分析的应用非常广泛，例如基因表达谱数据分析、蛋白质互作网络分析、疾病分类等。

在生物大数据处理中，常用的聚类分析方法包括层次聚类分析、K均值聚类分析和DBSCAN聚类分析等。

层次聚类分析是一种自底向上的聚类方法，通过计算样本之间的相似度或距离，逐步将样本合并为一个个簇。

层次聚类分析不需要事先指定簇的数量，而且可以根据相似性水平对结果进行图形化展示，因此非常适用于生物大数据的处理。

K均值聚类分析则是一种迭代优化算法，将样本划分为K个簇，使得簇内的方差最小化。

K均值聚类分析需要预先指定簇的数量，对于大规模的生物数据处理可能存在一些困难。

DBSCAN聚类分析是一种基于密度的聚类方法，可以发现任意形状的簇，并能处理噪声数据。

以基因表达谱数据的聚类分析为例，这是生物大数据处理中常见的一个任务。

基因表达谱数据反映了不同基因在不同条件下的表达水平，是了解基因功能和疾病机制的关键信息来源。

假设我们有一个基因表达谱数据集，包含了多个基因和多个样本。

首先，我们需要选择相应的相似度或距离计算方法，常用的是欧氏距离。

然后，我们可以使用层次聚类分析方法将基因和样本进行聚类，得到具有类别标签的基因和样本组。

在这个过程中，我们可能需要选择适当的聚类算法参数，例如聚类簇的数目。

气道微生态在慢性阻塞性肺疾病中的研究进展
高杏林;李传香;方思;彭玉洁;汪晗希;郭红荣
【期刊名称】《中华老年多器官疾病杂志》
【年(卷),期】2024(23)5
【摘要】慢性阻塞性肺疾病(COPD)是一种慢性气道炎症性疾病,其特征为慢性呼吸道症状(呼吸困难、咳嗽、咳痰、急性加重)。

感染是COPD恶化以及肺功能下降的主要原因,呼吸道微生态以及其所带来的免疫调节功能在其中发挥重要作用。

新一代基因测序技术使得更清楚地了解呼吸道微生态组成及其与呼吸系统疾病相关性,不仅揭示了健康人群肺部拥有丰富的微生物群落,而且与健康人群相比,COPD患者的气道微生态结构和各菌群的相对丰度均发生了改变。

本文对气道微生态在COPD中的研究进展作一综述。

【总页数】4页(P390-393)
【作者】高杏林;李传香;方思;彭玉洁;汪晗希;郭红荣
【作者单位】武汉科技大学医学院;武汉市第三医院暨武汉大学附属同仁医院呼吸与危重症医学科
【正文语种】中文
【中图分类】R563
【相关文献】
1.玉屏风散加味方对慢性阻塞性肺疾病大鼠气道炎症微环境的影响
2.慢性阻塞性肺疾病气道炎症和气道重塑的中医药干预研究进展
3.TGF-β/Smads信号通路在慢性
阻塞性肺疾病气道炎症中的研究进展4.慢性阻塞性肺疾病气道炎症与气道重塑研究进展5.不同用药途径的糖皮质激素对慢性阻塞性肺疾病急性加重患者气道微生态的影响
因版权原因，仅展示原文概要，查看原文内容请购买。

聚类分析在中药研究中的运用引言中药作为中国特有的传统药物，在世界上具有重要的地位和广泛的应用。

然而，中药的复杂性和多样性给中药研究带来了一定的挑战。

聚类分析是一种常用的无监督机器学习方法，它可以将相似的数据样本进行分组。

在中药研究中，聚类分析被广泛用于发现中药之间的相似性、分类中药和预测中药品质等方面。

本文将介绍聚类分析在中药研究中的运用。

聚类分析的基本原理聚类分析是一种将相似数据样本进行分组的方法。

它的基本原理是根据数据样本之间的相似性或距离，将相似的样本归为一类。

聚类分析可以分为层次聚类和划分聚类两种方法。

层次聚类层次聚类是一种基于树状结构的聚类方法。

它可以按照自下而上或者自上而下的方式来构建聚类树。

在层次聚类中，相似性或距离的度量指标很重要，常用的度量指标包括欧氏距离、曼哈顿距离、余弦相似度等。

划分聚类划分聚类是一种将数据样本划分为不相交的子集的方法。

划分聚类的基本思想是通过定义一个划分指标，将数据样本划分为K个非空的子集。

常用的划分指标有K-means、K-medoids等方法。

聚类分析在中药研究中的应用中药分类中药研究中，聚类分析可以用于对中药进行分类。

通过分析中药的有效成分、药效等特征，可以将相似的中药归为一类。

聚类分析可以帮助中药研究者理清中药的分类关系，找出中药之间的相似性和差异性。

中药品质预测中药的品质是影响其疗效的重要因素。

聚类分析可以利用中药样本的特征数据，如含量、纯度等信息，对中药的品质进行预测。

通过建立中药样本和品质的关联模型，聚类分析可以帮助中药研究者评估中药的品质。

中药活性成分发现中药中包含了大量的活性成分，这些成分对于中药的药效起到了重要作用。

聚类分析可以分析中药中的活性成分，通过发现活性成分的相似性和差异性，找出中药中具有活性成分的共同特征。

实例分析：聚类分析在黄连中药研究中的应用黄连的简介黄连是中药中的一种，具有清热解毒、抗炎、抗菌等功效。

为了研究黄连的分类和品质预测，我们可以利用聚类分析进行分析。

一文掌握慢阻肺临床表型分类新方法本文编辑：杨建雅研究背景明确慢性阻塞性肺疾病（简称慢阻肺）表型一度被认为是慢阻肺未来的发展方向，但是目前要将慢阻肺分型从探索性研究转到临床应用上还比较困难。

2017年11月《欧洲呼吸杂（影响因子10.569）发表了法国巴黎笛卡尔大学Burqel PR 志》等学者进行的一项研究，主要是通过聚类分析研发了一个简单的慢阻肺临床表型分类法。

该研究的数据来自法国/比利时的3个慢阻肺队列（n=2409）研究。

研究将这3个队列研究中的3年全因死亡率作为临床相关性变量，使用聚类分析将慢阻肺患者分为不同临床亚型。

聚类分析中，主要考虑了以下几个因素：年龄、BMI指数、FEV1% predicted、mMRC评分、过去12个月慢阻肺急性加重次数及有无心血管并发症（高血压、冠心病和/或左心衰）和/或糖尿病。

研究根据上述聚类分析结果采用分类决策树（CART）推导出相应的慢阻肺分类方法，继而在慢阻肺国际合作评估队列（3CIA）倡议数据库（n=3651）中验证这一分类法的有效性。

根据慢阻肺患者的不同临床特征，研究人员通过聚类分析将慢阻肺受试者分为以下5个亚组：亚组I：年龄较大，心血管合并症和糖尿病发生率高，死亡率50.9%。

亚组II：中重度慢阻肺，合并症发生率低，死亡率21.8%。

亚组III：年龄相较亚组II更大，合并症和肥胖发生率高，死亡率30.0%。

亚组IV：极重度慢阻肺，心血管合并症和糖尿病发生率低，死亡率47.0%。

亚组V：轻度慢阻肺，合并症发生率低，死亡率2.5%。

根据这一聚类分析结果，使用CART分析推导出相应的慢阻肺分类法（图1）。

图1：基于法国/比利时队列研究通过CART分析推导出相应的慢阻肺分类算法，并在3CIA 倡议队列中加以验证这一分类法在3CIA倡议队列数据中进行验证后，得到了与推导队列类似的结果；证实这一慢阻肺分类法能在具有不同临床特征、不同死亡率（4%-27%）和不同死亡年龄（68-76岁）的慢阻肺患者中应用。

聚类分析法在传承名老中医用药规律中的应用体会姜萍;李寿松【摘要】目的：采用聚类分析等数理统计方法，分析名老中医丁书文教授治疗高血压病用药规律。

方法：在丁教授门诊收集高血压病有效或显效病例，利用EXCEL统计软件对中药处方进行频数统计，统计每味药的累积频次、频率、累积频率，取累积概率90％以内的药物作为高频药物，对高频中药拆分、合并，采用SPSS分析软件，进行基于功效的聚类分析。

结果：提取183例患者的中药处方，共运用中药117味，其中高频药物42味，得到5个聚类方，并对聚类方进行分析。

结论：聚类方分析能够客观地反映了丁教授的高血压病临床用药规律。

%Objective:Using cluster statistical method , to analyze old Chinese medicine professor Ding Shuwen ’ s medication rules on treatment of hypertension .Methods:Effective or cured cases of hypertension in Professor Ding Shuwen ’ s outpatient clinic were selected and ana lyzed with EXCEL to count the frequency of used Chinese medicine prescription , and the number and frequency of herbs .Herbs that had been used with over 90%frequency were taken as highly frequently used herbs and cluster analysis was conducted using soft -ware SPSS to analyzethem .Results:Chinese medicine prescriptions treating 183 cases of patients were selected and there were altogeth-er 117 Chinese medicine herbs used , among which 42 were highly frequently used herbs .Five clustering prescriptions were concluded and analyzed .Conclusion:Clustering square analysis could to a certain extent reflect Professor Ding Shuwen ’ s clinical medication rules when treating hypertension .【期刊名称】《世界中医药》【年(卷),期】2013(000)009【总页数】3页(P1105-1107)【关键词】名老中医;@丁书文;聚类分析;高血压病;临床经验【作者】姜萍;李寿松【作者单位】山东中医药大学，济南，250355;山东省章丘市中医院，章丘，250200【正文语种】中文丁书文教授为国内知名中医心血管病专家，全国第三、四批名老中医学术经验继承导师，享受国务院政府特殊津贴，2010年国家中医药管理局批准成立名老中医药专家丁书文传承工作室。

最新：人工笛能在肺动脉高压辅由诊断申的应用避展肺动脉高压（pulmonary hypertension , IPH ）高5大类，包括动脉性P H、左'LJ、疾病所致PH、肺部疾病和（或）低氧所致PH、慢性血栓栓塞性PH(chronic thromboembo lic pulmonary hypertension ,CTE P H ) 和（或）真他肺动脉阻塞性PH、来明和（或）多因素所致PH。

因真发病机制的复杂性增加了对PH精确分型的诊断、治疗和预后评估的难度。

随着医疗信息化技术和应用的深入发展，医学大数据的累积、计算能力的提高均促进了人工智能（artificial intelligence , A I ）；在医疗领域的应用和开发。

AI是指机器模拟人的意识和思维，通过学习输入的数据并采用多样化的建模方式（算法）加以处理，现已广泛应用于肺部疾病、重症监护和心血筐医学等多种研究领域。

基于多模式和大数据的AI需要复杂的算法和先进的计算能力，深度学习（deep learning , DL ）算法是AI技术发展的核心环节，真算法建立在模拟人脑连接的人工神经网络（artificial neural network, A NN）上，可用于监督机器学习（machine learning , ML）（用于预测未知和来标记数据集中的输出）和无监督ML（用于处理降维或聚类任务），再助于新的PH亚表型分类。

高研究表明，AI可作为一种辅助手段在人群水平上提供低成本筛查、促进阜期诊断、提高诊断率和患者预后，真南极大的潜在应用价值。

当把墓于AI的成像技术与临床影像诊断技术结合起来后，二者结合的表现优于AI或放射科医生单独的表现。

AI技术日新月异的发展将降低侵入性操作的需求，真优势应用在PH 诊疗领域中可避免简化主义并解决PH的复杂性。

本文总结了近年来AI在P H无创辅助诊断领域中的研究和潜在应用，以期加速AI和H的深度融合和发展。

《基于大数据分析寻找肺癌亚型标志物及潜在GPCR治疗靶点》篇一一、引言肺癌是全球范围内最常见的癌症之一，其高发病率和死亡率一直是医学界研究的重点。

随着大数据和生物信息学技术的快速发展，基于大数据分析的肺癌亚型标志物及潜在治疗靶点的研究逐渐成为肺癌精准治疗的重要方向。

本文旨在通过大数据分析，寻找肺癌亚型标志物及潜在GPCR（G蛋白偶联受体）治疗靶点，为肺癌的精准治疗提供新的思路和方法。

二、肺癌亚型标志物的研究1. 数据来源与预处理我们收集了多个大型公开数据库中的肺癌相关数据，包括基因组数据、临床数据、患者生存信息等。

通过对这些数据进行预处理，包括数据清洗、标准化、注释等步骤，确保数据的准确性和可靠性。

2. 亚型分类与分析采用无监督学习算法对肺癌患者进行亚型分类。

通过对患者的基因组数据进行聚类分析，将肺癌患者分为不同的亚型。

通过比较各亚型之间的基因表达模式和临床特征，分析不同亚型的特点和预后情况。

3. 标志物的筛选与验证基于亚型分类结果，采用统计学方法筛选与肺癌亚型相关的基因和蛋白标志物。

通过独立样本验证，评估这些标志物的准确性和可靠性。

进一步对筛选出的标志物进行功能分析和机制研究，探讨其在肺癌发生、发展中的作用。

三、GPCR治疗靶点的研究1. GPCR与肺癌的相关性分析通过分析GPCR在肺癌组织中的表达情况及其与患者生存的关系，评估GPCR作为肺癌治疗靶点的潜力。

重点分析与肺癌发展相关的GPCR，如EGFR、ALK等。

2. 潜在GPCR治疗靶点的筛选与验证结合大数据分析和生物信息学方法，筛选出潜在的GPCR治疗靶点。

通过细胞实验、动物模型等手段验证这些靶点的功能和作用机制。

评估这些靶点在肺癌治疗中的潜在应用价值。

3. 药物设计与优化基于筛选出的潜在GPCR治疗靶点，设计针对这些靶点的药物。

通过计算机模拟、分子对接等技术优化药物结构，提高药物的靶向性和药效。

同时，评估药物的安全性和副作用。

四、结论与展望通过大数据分析，我们成功找到了与肺癌亚型相关的标志物及潜在GPCR治疗靶点。

卫生统计学基础流行病学数据的聚类分析与分类方法在卫生统计学中，流行病学数据的聚类分析与分类方法是一种重要的分析技术，可以帮助我们更好地理解和处理大量的流行病学数据。

本文将介绍聚类分析和分类方法，并探讨它们在卫生统计学中的应用。

一、聚类分析聚类分析是一种将样本根据某种指标进行分组的数据挖掘方法。

在卫生统计学中，聚类分析可以帮助我们发现不同因素之间的相似性和差异性，从而更好地了解疾病的传播规律和危险因素。

聚类分析方法包括层次聚类和非层次聚类。

层次聚类从样本开始，通过逐步合并最近的样本，形成一个层次结构。

非层次聚类则根据距离或相似性对样本进行聚类，不考虑层次结构。

在卫生统计学中，聚类分析可用于以下方面：1. 疾病分类：根据疾病特征和传播途径等因素，将疾病进行分类。

通过聚类分析，可以发现不同疾病之间的相似性和差异性，为疾病预防和控制提供依据。

2. 群体划分：对于不同聚集水平的疾病，如家庭、社区、城市等，可以通过聚类分析将人群划分为不同的群体，以便进行特定的干预措施。

3. 危险因素识别：通过将人群按照暴露因素进行聚类，可以识别出不同危险因素对疾病发生的影响程度，为干预措施的制定提供依据。

二、分类方法分类方法是根据已知类别的样本建立分类模型，然后利用该模型对未知样本进行分类。

在卫生统计学中，分类方法可以帮助我们预测疾病风险、评估危险因素和选择适当的干预措施。

常见的分类方法包括决策树、逻辑回归、支持向量机和人工神经网络等。

这些方法根据不同的算法原理和样本特征，可以将样本分为不同的类别。

在卫生统计学中，分类方法的应用主要有以下几个方面：1. 风险评估：根据已知危险因素和流行病学数据，建立分类模型，对人群进行风险评估。

通过预测个体的患病风险，可以采取相应的干预措施，提高疾病预防效果。

2. 干预措施选择：根据已有的疾病分类和干预效果，建立分类模型，为不同类型的疾病选择适当的干预措施。

通过分类方法，可以根据不同的病情指导具体的干预策略。

支气管扩张症的研究进展摘要支气管扩张症是一种以支气管永久性扩张为特征的慢性呼吸系统疾病。

在国外，因发病率低，支气管扩张症曾被认为是“罕见病”，但近年来由于其发病率、相关死亡风险及致残风险的增加，以及对医疗系统负担的加重，引发了国内外学者对这一“罕见病”的广泛关注。

在过去20年间，支气管扩张症领域涌现了大量新的治疗观念和治疗方法，但部分临床问题仍有待解决。

本文对目前该领域的热点和争议问题进行总结和讨论。

支气管扩张症（支扩症）是一种以支气管永久性扩张为特征的慢性呼吸系统疾病，主要表现为咳嗽、呼吸困难、咯血及反复呼吸道感染［1, 2, 3］。

支扩症在全球的发病率和患病率均呈现增长趋势，2004—2013年间英国非囊性纤维化支扩症（non-cystic fibrosis bronchiectasis，NCFB）的发病率（女性由21.2/10万上升至35.2/10万；男性由18.2/10万上升至26.9/10万）和患病率（女性由350.5/10万升至566.1/10万；男性由301.2/10万升至485.5/10万）均有所上升，年龄的增加与患病率呈正相关，年龄标准化死亡风险是普通人的2倍以上［4］。

2001—2013年间美国每年新增7万例NCFB患者（年增长率8%），2013年居民发病率为29/10万，患病率为139/10万［5］。

不同于国外，我国支扩症为常见病。

2013年40岁以上居民支扩症患病率高达（1 200/10万）［6］。

我国尚缺乏大型流调数据，患病率仍可能被大大低估［7］，需要更多关注和研究［8］。

支扩症疾病负担严重［9, 10］，国内进展较慢、关注度低，除2012年发布的《支气管扩张症诊治专家共识》［2］，此领域并未发布权威指南或进行共识更新。

国外研究进展迅速，如欧洲呼吸学会（ERS）［11］、英国胸科协会（BTS）［1］相继发布权威指南指导临床诊疗实践；新治疗方法和观念的涌现［12］；疾病诊断和评估（表型评估）［13］等方面均取得巨大进步。

聚类分析在中药研究中的运用引言中药是中国传统医学的重要组成部分，具有悠久的历史和广泛的临床应用。

随着科学技术的进步，研究人员对中药的研究领域也在不断拓展。

聚类分析是一种常用的数据分析方法，可以将一组数据对象划分为不同的类别或簇。

在中药研究中，聚类分析被广泛应用于中药质量评价、药效成分分析以及中药分类等方面。

本文将介绍聚类分析的原理、常用算法以及其在中药研究中的运用。

聚类分析原理聚类分析是一种无监督学习的方法，其目标是将相似的对象分组为同一类别，同时将不相似的对象分开。

其基本原理是通过度量数据对象之间的相似性或距离来进行分类。

常用的距离度量方法包括欧氏距离、曼哈顿距离和余弦相似度等。

聚类分析算法K均值聚类算法K均值聚类算法是一种常用且简单的聚类算法。

算法的步骤如下：1.随机选择K个聚类中心；2.计算每个数据对象与聚类中心之间的距离，并将其分配到距离最近的聚类中心所属的类别；3.更新每个聚类中心的位置为该聚类中所有数据对象的均值；4.重复步骤2和步骤3，直到聚类中心不再改变或达到迭代次数。

层次聚类算法层次聚类算法基于树形结构，可以将数据对象按照层次关系进行聚类。

算法的步骤如下：1.将每个数据对象视为一个独立的聚类；2.计算每对聚类间的相似度或距离，并将其合并为一个更大的聚类；3.重复步骤2，直到所有的数据对象都被合并在一个聚类中，或达到预设的聚类数量。

聚类分析在中药研究中的应用中药质量评价中药质量评价是中药研究中的重要环节。

利用聚类分析可以对中药样品进行分类，帮助研究人员确定中药样品的质量等级。

通过对中药样品中的有效成分进行聚类分析，可以将相似的样品分为同一类别，从而更好地评估中药的质量。

药效成分分析中药中的药效成分对中药的疗效具有重要影响。

聚类分析可以帮助研究人员将相似的药效成分进行分类，揭示中药中不同类别的药效成分的作用机制。

通过聚类分析，研究人员可以更好地理解中药中药效成分的分布情况，从而指导中药的合理使用和开发。

聚类算法在医学影像分析中的应用示范随着医学影像技术的不断发展，医学影像数据的增长速度迅猛，如何从庞大的医学影像数据中挖掘出有用的信息成为一个重要的问题。

聚类算法作为一种常用的无监督学习方法，已经得到广泛应用，尤其在医学影像分析中具有重要的应用价值。

本文将通过介绍聚类算法在医学影像分析中的应用示范，探讨其在该领域中的具体作用和潜在应用前景。

首先，聚类算法在医学影像中的应用示范之一是疾病分类。

医学影像数据中常包含大量的病例图像，利用聚类算法可以将这些图像按照其特征分为不同的簇。

通过对不同簇的研究，可以发现不同疾病之间的共同特征和差异，从而为临床医生提供更准确的诊断和治疗方案。

以肺癌为例，研究者可以利用聚类算法对肺癌患者的CT图像进行聚类，将不同的病灶分为不同的簇，进而研究簇与疾病之间的关系，为疾病的早期诊断和治疗提供有力支持。

其次，聚类算法还可以用于医学影像中的异常检测。

在正常情况下，医学影像数据呈现一定的规律和模式，但在某些疾病或异常情况下，医学影像数据中可能存在与之不符的特征。

利用聚类算法，可以将正常和异常的影像数据分成两个簇，通过对异常簇的研究，可以发现潜在的疾病风险和异常情况，提前进行干预和治疗。

例如，在脑部影像中，聚类算法可以帮助发现脑出血、脑梗塞等异常情况，从而及时采取措施进行治疗，减少患者的风险和痛苦。

另外，聚类算法还可以在医学影像中进行图像分割。

图像分割是医学影像分析中的重要任务之一，它可以将医学影像数据划分为不同的区域或结构，从而使医生能够更清晰地观察和分析。

聚类算法可以通过将图像中的像素分为不同簇来实现图像分割，从而减少主观性和主观偏差，使分割结果更加客观和准确。

例如，在乳腺X光摄影中，聚类算法可以帮助将乳房图像分为正常组织、肿瘤和乳腺囊肿等不同结构，帮助医生进行乳腺疾病的诊断和治疗。

此外，聚类算法还可以在医学影像中进行特征选择和特征提取。

医学影像数据通常具有复杂的高维特征空间，利用聚类算法可以从中提取出对疾病诊断或治疗具有重要意义的特征。

基于深度学习的肺部疾病诊断与监测技术研究引言：随着世界人口的不断增长以及环境污染的加剧，呼吸系统疾病的发病率逐年增加。

肺部疾病对人类的健康和生存带来了巨大的威胁。

传统的肺部疾病诊断与监测方法受限于专业知识、经验丰富的医生的数量以及诊断过程的主观性与繁琐性。

而基于深度学习的肺部疾病诊断与监测技术的发展为解决这一问题提供了新的可能性。

本文将从深度学习技术背景、肺部疾病诊断与监测的需求、基于深度学习的诊断与监测技术应用等方面进行综述，旨在为研究者提供参考和启发。

1. 深度学习技术背景深度学习是一种模仿人类大脑神经元结构与功能的机器学习方法。

它以人工神经网络为基础，通过模拟大脑神经元之间的连接，实现对数据进行自动学习和抽象表示。

深度学习技术在图像、语音、自然语言处理等领域取得了巨大成功，并且在医学领域也展现出了巨大的潜力。

深度学习技术具有较强的模式识别和表征学习能力，可以从大量的数据中提取特征并自动学习模型，因此被广泛应用于肺部疾病的诊断与监测。

2. 肺部疾病诊断与监测的需求肺部疾病诊断与监测是指通过对患者肺部影像数据的分析与解读，准确判断患者是否患有肺部疾病及其具体类型和严重程度。

传统的肺部疾病诊断与监测方法主要依赖于医生的经验和专业知识，而深度学习技术可以利用大规模数据进行自动学习和建模，从而提高诊断与监测的准确性与效率。

基于深度学习的肺部疾病诊断与监测技术可以减轻医生的工作负担，提供准确的诊断结果，并且有望开辟新的诊断手段，提高患者的生存率和生活质量。

3. 基于深度学习的肺部疾病诊断与监测技术应用3.1 图像分析技术基于深度学习的肺部疾病诊断与监测技术可以通过分析肺部影像数据实现对肺部疾病的自动诊断和监测。

其中，图像分类、分割和定位是深度学习在图像分析方面的主要应用。

通过训练深度学习模型，可以从肺部CT或X射线图像中提取出肺部疾病的特征，进而实现对肺部结节、肺癌等疾病的准确识别和定位。

3.2 声音信号处理技术基于深度学习的肺部疾病诊断与监测技术也可以利用声音信号进行非侵入式的肺部疾病诊断。

㊃综述㊃基金项目:延安市核心技术创新项目基于双气相配准定量C T 影响学表型之急性加重慢性阻塞性肺疾病诊疗策略研究(S L 2019Z C S Y -063)通信作者:常小红,E m a i l :x yx 19930320@163.c o m 基于双气相定量C T 在慢性阻塞性肺疾病影像学表型的研究进展徐艳霞,王 莉,贺 静,常小红(延安大学附属医院呼吸内科,陕西延安716000) 摘 要:慢性阻塞性肺疾病(c h r o n i co b s t r u c t i v e p u l m o n a r y di s e a s e ,C O P D )是一种世界范围内的慢性气道炎症性疾病,也是一种异质性疾病,C O P D 表型的研究近来成为热点㊂随着计算机技术的发展,吸气㊁呼气双气相配准定量C T (Q C T )在C O P D 疾病中的应用备受关注㊂本文就基于双气相Q C T 在C O P D 影像学表型中的研究及其临床预后及个体化治疗作一综述㊂关键词:肺疾病,慢性阻塞性;锥束计算机体层摄影术;影像学表型中图分类号:R 563.9 文献标志码:A 文章编号:1004-583X (2020)02-0189-04d o i :10.3969/j.i s s n .1004-583X.2020.02.020 慢性阻塞性肺疾病(c h r o n i c o b s t r u c t i v ep u l m o n a r y d i s e a s e ,C O P D )是一种世界范围内的慢性气道炎症性疾病,以不完全可逆性的气流受限为特征,可累及大小气道㊁肺间质㊁肺实质以及肺血管,是一种公认的异质性疾病㊂根据2018年‘柳叶刀“对我国20岁以上成人C O P D 流行病学数据的报道,20岁以上人群C O P D 患病率为8.6%,40岁以上为13.7%,60岁以上已超过27%㊂全国总患病人数约为9990万[1],由此可见C O P D 患者趋于年轻化㊂根据世界卫生组织的数据,到2030年C O P D 将成为全球第三大死因[2]㊂C O P D 是一种异质性疾病,患者临床表现㊁影像学特征㊁疾病进展和预后方面各不相同,存在很大的变异性[3]㊂该病早期患者无明显症状,不易发现,当临床症状出现时,肺功能损失至少30%㊂故该病早期诊断较为困难,稳定期患者生活质量较差,急性加重期患者的住院治疗费用较高,使的C O P D 成为社会负担㊁经济负担均高的疾病[4]㊂1 肺功能诊断C O P D 的局限性C O PD 诊断的金标椎是肺功能,临床医生通过肺功能来评估气流受限,肺功能也是评估C O P D 严重程度的有用工具㊂然而,肺功能在诊断C O P D 和评估C O P D 进展方面有一些局限性㊂第一,肺功能下降的速度随C O P D 严重程度的不同而不同,C O PD 越严重,肺功能测量的绝对变化率越慢[5];第二,肺功能通常难以区分C O P D 气流阻塞的病理生理因素,如是肺气肿㊁气道炎症还是小气道破坏,也无法对肺部的病变进行准确定位分析[6];第三,一些重度肺气肿患者不能完成肺功能检查,且有些患者沟通障碍难以配合该项检查,费时费力㊂2 定量C T (QC T )在评估C O PD 疾病的优势近年来随着胸部C T 技术的飞速发展,关于Q C T 测量用于评估C O P D 疾病的研究国内外已越来越多㊂Q C T 测量不仅可用来提示C O P D 病变范围㊁严重程度㊁肺功能情况及预后[7],还可通过对实质和气道疾病的形态学特征研究,使C O P D 的表型得以量化㊂O c c h i p i n t i 等[8]通过标准C T 测量(V I D A )和呼气㊁吸气C T 共配位分析(I m b i o L D A )对194例接受肺功能测试的C O P D 患者肺气肿的严重程度进行了量化,得出结论肺气肿的存在和严重程度,可以通过C T 指标和放射组学来量化㊂K o o等[9]通过评估C T 参数与肺功能参数之间的相关性,得出C T 参数可以用于预测肺功能指标㊂王雷等[10]通过将61例C O P D 患者的C T 图像导入 数字肺 自动检测平台,计算各肺叶低密度区容积百分比(L A A%),得出结论L A A%可以反映肺功能受损的严重程度,还可反映不同肺叶的肺气肿程度㊂史维雅等[11]通过分析C T 定量参数及肺功能参数在C O PD 表型(A /E /M 型)中的差异,得出结论C T 肺气肿指标(%L A A -950i n s ),气体陷闭指标(%L A A -856e x p ,R V C -856t o -950和E /I -r a t i o M L D )可以作为评估C O P D 肺功能的有效参数㊂综上,Q C T 可用来检出肺功能漏诊的病例,从而诊断早期C O P D ,发现早期病变,为早期C O P D 的检出和分型提供依据,使得临床医生更早的制定临床干预治疗计划[12]㊂㊃981㊃‘临床荟萃“ 2020年2月20日第35卷第2期 C l i n i c a l F o c u s ,F e b r u a r y 20,2020,V o l 35,N o .2Copyright ©博看网. All Rights Reserved.3C O P D表型概述C O P D表型是指能够描述C O P D患者个体间差异的一种或者多种疾病特征,其与患者临床治疗㊁预后相关[13]㊂S e g r e t i等[14]提出C O P D不同表型患者对于预测治疗的反应和疾病的进展是非常重要的,不同药理学和非药理学治疗方案的发展已经证实,临床反应根据疾病的特点不同而不同,虽然每种表型可能还没有确定具体的治疗方法,但很明显有必要对C O P D进行个性化治疗,而这种个性化的治疗可以提高治疗的有效性,减少不良反应的发生㊂目前C O P D表型分类有:经典表型(肺气肿型和慢性支气管炎型)㊁西班牙分型[15](A型:具有慢支或肺气肿的非频繁急性加重型;B型:慢阻肺一哮喘重叠型;C 型:以肺气肿为主的频繁急性加重型;D型:以慢支为主的频繁急性加重型)㊁影像学表型㊁急性加重表型㊁全身炎症反应型等多种分型㊂本文针对于双气相Q C T在影像学表型中的研究进行综述㊂以郭佑民[4]为首的研究团队及师美娟等[16]通过聚类的客观分析法将C O P D影像学表型分为 肺气肿表型 ㊁ 小气道病变表型 和 混合型 3种表型,而目前通过呼气㊁吸气双相配准定量C T对C O P D影像学表型的研究成为热点,故着重对于肺气肿表型及小气道病变表型的双气相定量C T进行详细阐述,混合型则介于二者之间㊂3.1肺气肿表型肺气肿是指异常的支气管末梢永久性扩大,同时伴有着肺泡壁破坏,不伴有间质性改变,肺气肿患者的气流受限可归因于弹性反冲力的降低㊁呼气时气道塌陷和空气滞留[17]㊂肺气肿分为小叶中央型㊁全小叶型㊁副肺气肿和大泡性肺气肿㊂赵凡慧等[18]对87例患者行双气相C T,通过定量测量低密度衰减区域百分比及肺气肿区域百分比(E m p h%)及支气管壁厚度,将其分为A㊁E㊁M3型,得出结论3型C O P D患者C T定量参数和肺功能的差异均有统计学意义(P<0.05),双气相配准定量C T对C O P D分型继而个体化诊断及治疗提供客观依据㊂P a r k等[19]发表于‘C H E S T“一文中提出Q C T 可评估肺气肿的严重程度和叶状分布㊂K u m a r 等[20]探讨C O P D患者肺气肿㊁气道疾病的Q C T参数及其与疾病严重程度的关系,研究了50例C O P D 患者Q C T3个Q C T参数L A A%㊁WA%(壁面积百分比)和p i10分别与第1秒用力呼气量(F E V1)㊁B O D E评分和MM R C呼吸困难量表的相关性,结果显示L A A%与F E V1㊁B O D E和MM R C量表显著相关,因而得出结论:肺气肿和气道疾病的Q C T指标对C O P D患者F E V1㊁MM R C呼吸困难量表和B O D E评分均有影响,且肺气肿似乎与疾病的严重程度有更密切的关系㊂d eB o a r等[21]通过研究证实混合迭代重建和使用后处理去噪可以优化C T扫描中肺气肿量化,Q C T可作为除肺功能外的补充诊断工具㊂我国学者李北平[22]通过研究得出结论L A A%与肺功能指标存在明显相关性,且肺气肿表型患者在年龄㊁影像学特征㊁气道阻力㊁急性加重频率㊁及生活质量方面具有一定独特性㊂因此,临床医生应该早期使用Q C T评估C O P D患者,进而可更早实施积极地干预措施,提高患者的生活质量㊂3.2小气道病变表型小气道通常定义为支气管管径值<2mm的气道,是C O P D患者发生气道阻塞的主要部位㊂小气道的病理生理指的是气道狭窄,呼气流量限制和早期气道关闭,导致气体滞留,而这些机制可能导致患者运动过程中运动耐力降低和呼吸困难,增加C O P D患者的呼吸做功,进而加重病情,因此,深入研究小气道表型可以对此做到靶向治疗,从而缓解气道炎症及狭窄[23]㊂小气道病变早期临床常无症状,多不能通过常规肺功能检查发现,但是目前C T扫描难以观察到<2mm的气道㊂因此,国内外学者通过呼气㊁吸气双相配准进行小气道定量分析㊂M a r t i n e z等[24]通过使用参数反应映射分析配对吸气㊁呼气C T来确定肺小气道功能异常,得出结论在没有气流阻塞的非吸烟者和吸烟者中,无论呼吸系统症状如何,随着年龄的增加,小气道气体潴留区增加㊂研究发现通过呼气㊁吸气双相配准测量小气道值与肺功能及症状有明显的相关性[25-26]㊂国内黄晓琪等[27]通过研究双气相C T扫描平均肺密度与肺功能的相关性,得出结论全肺及各肺叶平均肺密度比(M L D)与肺功能的相关性最好,而M L D 对C O P D患者定量分析具有较高的灵敏性和准确性,是研究小气道疾病的重要参数㊂因此,作为临床医生需要与影像科紧密合作,充分利用双气相C T这一工具与技术,量化C O P D小气道病变,从而达到个体化靶向治疗㊂4临床综合评估及治疗4.1肺气肿型C O P D O h等[28]研究发现肺气肿表型是C O P D频繁急性加重的独立预测因子㊂李瑛等[29]通过研究肺气肿型C O P D患者预后与G o d d a r d 评分相关性,发现G o d d a r d评分等级越高,C O P D 急性加重发生的频率和严重程度也越高,而且更易于合并呼吸衰竭,心力衰竭及恶性肿瘤等合并症㊂C a r o l a n等[30]通过对1002名C O P D G e n e参与者的数据进行分析得出,在总肺气肿达到或超过35%的患者中,肺气肿每增加5%,C O P D患者病情恶化率㊃091㊃‘临床荟萃“2020年2月20日第35卷第2期 C l i n i c a l F o c u s,F e b r u a r y20,2020,V o l35,N o.2Copyright©博看网. All Rights Reserved.就增加1.2倍㊂此外,气道壁厚度每增加1毫米,每年的恶化率增加1.8倍㊂S u z u k i等[31]通过对269例C O P D肺气肿型患者研究发现,C O P D患者肺气肿程度越严重,C A T评分越高,弥散程度越低,临床症状越重㊂M i r a v i t l l e s等[32]研究发现肺气肿程度与患者生存率呈负相关,肺功能最大吸气量/肺总量(I C/ T L C)值小于0.25患者的死亡风险是该值大于0.25患者的3.15倍㊂可见,肺气肿型C O P D患者较其他型患者更易出现急性加重,且临床症状较重,呼吸衰竭㊁心力衰竭等合并症较多,病死率也较高,因此,临床医生不仅需要早期诊断该病,更要尽早识别患者表型,从而制定个体化的治疗方案㊂针对肺气肿型C O P D患者,预防急性加重频率是关键㊂药物治疗推荐以长效支气管舒张剂为主,主要功能是扩张气道,减少气道阻力,促进肺泡的残余气体排出,联合使用不同种类的支扩剂较单一种支扩剂疗效显著,不良反应的发生率降低㊂效果不佳基础上可联合吸入性糖皮质激素加强治疗,但不建议长期使用激素[33]㊂随着介入技术的发展,支气管内活瓣(E B V)术或支气管内弹簧圈经支气管肺减容术(B L V R)等技术对于重度肺气肿或者局限性肺气肿患者有较好的疗效,且可潜在提高生存率,明显改善生活质量[33-34]4.2小气道型C O P D C O P D患者由于慢性炎症长期反复刺激导致小气道管腔狭窄,管壁增厚,气道阻力显著增大,是主要气流受限的位置,小气道改变和肺气肿作为两种类型,能够独立存在,小气道变化一般先于肺气肿发生,在病变早期,肺气肿还不明显时小气道变化已存在并成为引起气流受限主要因素,且可加重肺气肿[35]㊂C r i s a f u l l i等[36]通过R5-R20方法测定的小气道阻力,结果显示,小气道病变占C O P D的74%,小气道的严重程度与C A T症状评分有显著相关性,这一研究还报道了小气道可在呼气期引起气道陷闭,导致肺泡过度充气,其严重程度与肺泡过度充气程度呈显著相关性㊂因此,临床医生需在早期发现小气道的病变,从而进行干预治疗㊂B a r j a k t a r e v i c等[37]通过随访研究发现,小气道病变为主型C O P D患者经早期治疗气流受限程度可以达到一定程度逆转㊂目前小气道型C O P D治疗主要为药物靶向治疗㊂目前治疗C O P D的基石是吸入性药物,吸入性小颗粒药物能显著改善小气道功能障碍及降低气道炎症水平㊂C a l z e t t等[38]研究发现丙酸倍氯米松/富马酸福莫特罗(B D P/F F)以100:6的比例联合使用,可在人体支气管和小气道中产生协同的支气管松弛效应,并且这种协同效应在反应灵敏的气道中更显著㊂小颗粒药物可以更好地沉积在肺的外周气道,并能更好地改善患者的生活质量,将成为未来C O P D药物研制的热门方向㊂5总结与展望C O P D是一种气流受限不可逆㊁肺功能进行性下降的慢性疾病,其早期病变不易发现,单靠肺功能容易漏诊,随着计算机软件技术的发展,双气相Q C T 能够分析C O P D患者肺部解剖改变,而且能够发现C O P D的早期病变,在患者临床预后及随访方面也有较大作用㊂我们可以通过Q C T的定量分析发现小范围的C O P D病变,实现对其病变的局部定位,从而确定C O P D的影像学表型㊂因此,临床医生需要多学科合作,通过双气相Q C T来筛选出早期患者,从而进行早期诊断㊁早期干预,实现个体化的治疗㊂通过人们对双气相Q C T的深入研究,未来双气相Q C T在评估C O P D的诊断㊁治疗㊁随访中将会发挥更大的作用㊂参考文献:[1] W a n g C,X u J,Y a n g L,e t a l.T h e P r e v a l e n c e a n d r i s k f a c t o r so f c h r o n i c o b s t r u c t i v e p u l m o n a r y d i s e a s e s i nC h i n a,t h eC h i n ap u l m o n a r y H e a l t h(C P H)s t u d y:a n a t i o n a lc r o s s-s e c t i o n a ls t u d y[J].L a n c e t,2018,391(10131):1706-1717. [2]S h e i k hK,C o x s o nHO,P a r r a g aG.T h i s i sw h a tC O P Dl o o k sl i k e[J].R e s p i r o l o g y,2016,21(2):224-236.[3] K i m W J,G u p t a V,N i s h i m u r a M,e ta l.I d e n t i f i c a t i o n o fc h r o n i c o b s t r u c t i v e p u l m o n a r yd i se a s es u b g r o u p s i n13A s i a nc i t i e s[J].I n t JT u b e r cL u n g D i s,2018,22(7):820-826.[4]郭佑民,沈聪.C T定量技术在慢性阻塞性肺疾病中的研究现状与展望[J].西安交通大学学报(医学版),2019,40(2):173-177.[5] K a r a y a m a M,I n u i N,Y a s u i H,e ta l.C l i n i c a lf e a t u r e so ft h r e e-d i m e n-s i o n a l c o m p u t e d t o m o g r a p h y-b a s e d r a d i o l o g i cp h e n o t y p e s o f c h r o n i c o b s t r u c t i v e p u l m o n a r y d i s e a s e[J].I n t JC h r o nO b s t r u c t P u l m o nD i s,2019,14:1333-1342.[6] A n d r e e v aE,P o k h a z n i k o v aM,L e b e d e vA,e t a l.S p i r o m e t r yi s n o t e n o u g ht od i a g n o s eC O P Di ne p i d e m i o l o g i c a l s t u d i e s:af o l l o w-u p s t u d y[J].N P J P r i mC a r eR e s p i rM e d,2017,27(1):62.[7] W a d aY,K i t a g u c h i Y,Y a s u oM,e t a l.D i v e r s i t y o f r e s p i r a t o r yi m p e d a n c e b a s e d o n q u a n t i t a t i v e c o m p u t e d t o m o g r a p h y i np a t i e n t sw i t h C O P D[J].I n tJC h r o n O b s t r u c tP u l m o n D i s,2018,13:1841-1849.[8] O c c h i p i n t iM,P a o l e t t iM,B a r t h o l m a iB J,e ta l.S p i r o m e t r i ca s s e s s m e n t o fe m p h y s e m a p r e s e n c ea n ds e v e r i t y a s m e a s u r e db yq u a n t i t a t i v e C T a n d C T-b a s e dr a d i o m ic si n C O P D[J].R e s p i rR e s,2019,20(1):101.[9] K o o H J,L e e S M,S e oJ B,e ta l.P r e d i c t i o n o f p u l m o n a r yf u n c t i o n i n p a t i e n t s w i t h c h r o n i c o b s t r u c t i v e p u l m o n a r yd i se a s e:c o r r e l a t i o n w i t h q u a n t i t a t i v e C T p a r a m e t e r s[J].㊃191㊃‘临床荟萃“2020年2月20日第35卷第2期 C l i n i c a l F o c u s,F e b r u a r y20,2020,V o l35,N o.2Copyright©博看网. All Rights Reserved.K o r e a nJR a d i o l,2019,20(4):683-692.[10]王雷,沈聪,邹常咏,等.基于C T定量评估肺气肿肺叶分布特点与肺功能的相关性[J].西安交通大学学报(医学版), 2018,39(6):902-906.[11]史维雅,杭晶卿,张志勇,等.呼吸气双相H R C T成像对不同C O P D表型的定量评估[J].中国临床医学影像杂志,2018,29(5):329-332.[12]杨磊.多层螺旋C T定量诊断慢性阻塞性肺疾病表型的研究进展[J].实用医技杂志,2017,24(2):189-191. [13]孙兆苓,朱惠莉.慢性阻塞性肺疾病的表型研究[J].临床肺科杂志,2016,21(2):350-354.[14]S e g r e t i A,S t i r p e E,R o g l i a n i P.D e f i n i n g p h e n o t y p e si nC O P D:a na i d t o p e r s o n a l i z e dh e a l t h c a r e[J].M o lD i a g nT h e r,2014,18(4):381-388.[15] M i r a v i t l l e s M,S o l e r-C a t a l uña J J,C a l l e M,e ta l.S p a n i s hg u i d e l i n e sf o r m a n a g e m e n to fc h r o n i co b s t r u c t i v e p u l m o n a r yd i se a s e(G e s E P O C)2017.P h a r m a c o l o g i c a l t r e a t m e n t of s t a b l ep h a s e[J].A r c hB r o n c o n e u m o l,2017,53(6):324-335. [16]师美娟,沈聪,梁志冉,等.基于体素的C O P D表型研究[J].西安交通大学学报(医学版),2019,40(2):203-207,217.[17] M a t s u o k aS,Y a m a s h i r o T,W a s h k o G R,e ta l.Q u a n t i t a t i v eC Ta s s e s s m e n to f c h r o n i co b s t r u c t i v e p u l m o n a r y d i s e a s e[J].R a d i o g r a p h i c s,2010,30(1):55-66.[18]赵凡惠,王雷,朱彦瑾,等.基于双气相配准定量C T在慢性阻塞性肺疾病影像学表型中的应用[J].中国医学影像学杂志, 2019,27(11):829-833.[19] P a r kJ,H o b b s B D,C r a p o J D,e t a l.S u b t y p i n g C O P Db y u s i n gv i s u a l a n d q u a n t i t a t i v eC Ti m a g i n g f e a t u r e s[J].C h e s t,2020, 157(1):47-60.[20] K u m a r I,V e r m aA,J a i n A.P e r f o r m a n c eo f q u a n t i t a t i v eC Tp a r a m e t e r si n a s s e s s m e n to fd i s e a s es e v e r i t y i n C O P D:Ap r o s p e c t i v e s t u d y[J].I n d i a nJR a d i o l I m a g i n g,2018,28(1): 99-106.[21]d eB o e r E,N i j h o l tI M,J a n s e n S,e ta l.O p t i m i z a t i o n o fp u l m o n a r y e m p h y s e m a q u a n t i f i c a t i o no n C T s c a n so fC O P Dp a t i e n t s u s i n g h y b r i d i t e r a t i v e a n d p o s t p r o c e s s i n g t e c h n i q u e s:c o r r e l a t i o n w i t h p u l m o n a r y f u n c t i o n t e s t s[J].I n s i g h t sI m a g i n g,2019,10(1):102.[22]李北平.慢性阻塞性肺疾病肺气肿表型的C T肺功能研究[J].中国中西医结合影像学杂志,2016,14(4):455-457.[23] G o v eK,W i l k i n s o n T,J a c kS,e ta l.S y s t e m a t i cr e v i e w o fe v i d e n c ef o r r e l a t i o n s h i p s b e t w e e n p h y s i o l og i c a l a n dC T i n d i c e so f s m a l la i r w a y sa n dc l i n i c a lo u t c o m e si n C O P D[J].R e s p i rM e d,2018,139:117-125.[24] M a r t i n e zC H,D i a z A A,M e l d r u m C,e ta l.A g ea n ds m a l la i r w a y i m a g i n g ab n o r m a l i t i e si n s u b j ec t s w i t h a nd w i t h o u ta i r f l o wob s t r uc t i o n i nS P I R OM I C S[J].A mJR e s p i rC r i tC a r eM e d,2017,195(4):464-472.[25] F r i s o nS,K e r a cM,C h e c c h iF.An o v e l,e f f i c i e n tm e t h o d f o re s t i m a t i n g t h e p r e v a l e n c eo fa c u t e m a l n u t r i t i o ni nr e s o u r c e-c o n s t r a i n e da nd c r i s i s-a f fe c t e d s e t t i n g s:A s i m u l a t i o n s t u d y[J].P L o SO n e,2017,12(11):e0186328.[26] P o m p eE,G a l bán C J,R o s sB D,e ta l.P a r a m e t r i cr e s p o n s em a p p i n g o n c h e s t c o m p u t e d t o m o g r a p h y a s s o c i a t e s w i t hc l i n i c a l a nd f u n c t i o n a l p a r a me t e r s i n c h r o n i c o b s t r u c t i v ep u l m o n a r y d i s e a s e[J].R e s p i rM e d,2017,123:48-55. [27]黄晓旗,白利杰,沈聪,等.慢性阻塞性肺疾病患者双气相C T扫描平均肺密度与肺功能的相关性研究[J].西安交通大学学报(医学版),2019,40(2):178-181.[28] O h YM,S h e e n S S,P a r k J H,e t a l.E m p h y s e m a t o u sp h e n o t y p e i s a n i n d e p e n d e n t p r e d i c t o r f o r f r e q u e n te x a c e r b a t i o no fC O P D[J].I n t JT u b e r cL u n g D i s,2014,18(12):1407-1414.[29]李瑛,凌芳,胡成平.肺气肿型慢性阻塞性肺疾病患者肺功能及预后与G o d d a r d评分的相关性分析[J].中国呼吸与危重监护杂志,2015,14(4):327-331.[30] C a r o l a n B J.C l i n i c a l p h e n o t y p e s o f c h r o n i c o b s t r u c t i v ep u l m o n a r y d i s e a s e a n da s t h m a:r e c e n t a d v a n c e s.[J]JA l l e r g yC l i n I mm u n o l,2013,131(3):627-34;q u i z635.[31]S u z u k iT,T a d aY,K a w a t aN,e t a l.I n f l u e n c eo f p u l m o n a r ye m p h y s e m ao nC O P Da s s e s s m e n t t e s t-o r i e n t e dc a t e g o r i z a t i o ni nG O L D d o c u m e n t.[J]I n tJ C h r o n O b s t r u c tP u l m o n D i s,2015,10:1199-205.[32] M i r a v i t l i e s M,S o l e r C a t a l u J J,C a l l e M,e t a1.A n e wa p p r o a c ht o g r a d i n g a n d t r e a t i n g C O P Db a s e d o nc l i n i c a lp h e n o t y p e s:s u mm a r y o f t h e S p a n i s h C O P D g u i d e l i n e s(G e s E P O C)[J].P r i m C a r eR e s p i r J,2013,22(1):117-121.[33]S c i u r b a F C,C r i n e r G J,S t r a n g e C,e t a l.E f f e c t o fe n d o b r o n c h i a lc o i l s v s u s u a lc a r e o n e x e r c i s e t o l e r a n c ei np a t i e n t s w i t h s e v e r e e m p h y s e m a:t h e r e n e w r a n d o m i z e dc l i n i c a l t r i a l[J].J AMA,2016,315(20):2178-2189.[34] D e s léeG,M a lH,D u t a uH,e t a l.L u n g v o l u m e r e d u c t i o n c o i lt r e a t m e n t v su s u a lc a r ei n p a t i e n t s w i t hs e v e r ee m p h y s e m a: T h eR E V O L E N S r a n d o m i z e dc l i n i c a l t r i a l[J].J AMA,2016, 315(2):175-184.[35] B a r j a k t a r e v i c I Z,A r r e d o n d oA F,C o o p e rC B.P o s i t i o n i n g n e wp h a r m a c o t he r a p i e s f o r C O P D[J].I n t J C h r o n O b s t r u c tP u l m o nD i s,2015,10(1):1427-1442.[36] C r i s a f u l l iE,P i s iR,A i e l l o M,e ta l.P r e v a l e n c eo fs m a l l-a i r w a y d y s f u n c t i o na m o n g C O P D p a t i e n t sw i t hd i f f e r e n tG o l ds t a g e sa n di t sr o l e i nt h e i m p a c to fd i s e a s e[J].R e s p i r a t i o n, 2017,93(1):32-41.[37] B a r j a k t a r e v i c I Z,A r r e d o n d oA F,C o o p e rC B,e t a l.C o m p u t e dt o m o g r a p h y-b a s e d b i o m a r k e r p r o v i d e s u n i q u e s i g n a t u r e f o rd i a g n o s i s o f C O P D p he n o t y p e s a n d d i s e a s e p r o g r e s s i o n[J].N a tM e d,2012,18(11):1711-1715.[38] C a l z e t t aL,M a t e r a MG,F a c c i o l o F,e ta l.B e c l o m e t h a s o n ed i p r o p i o n a te a n df o r m o t e r o l f u m a r a t e s y n e rg i s t i c a l l y i n t e r a c t i nh y p e r r e s p o n s i v em e d i u mb r o n c h i a n d s m a l l a i r w a y s[J].R e s p i rR e s,2018,19(1):65.收稿日期:2020-02-24编辑:王秋红㊃291㊃‘临床荟萃“2020年2月20日第35卷第2期 C l i n i c a l F o c u s,F e b r u a r y20,2020,V o l35,N o.2Copyright©博看网. All Rights Reserved.。

基于聚类分析对慢性肺部疾病表型的研究进展近年来，基于聚类分析对慢性肺部疾病表型进行研究已经得到了广泛的关注。

早期的研究更多地关注于 COPD 等特定类型的慢性肺部疾病。

例如，一项研究将 COPD 分为四个亚型，包括“肺气肿型”、“肺功能严重障碍型”、“肺功能减退型”和“弥漫型”，并通过这四个亚型的表型特征进行深入的分析和比较。

此外，该研究还发现了基因表达、代谢物和肺微生物组成的差异，这些差异可能有助于进一步了解不同亚型之间的生物学差异及其潜在的机制。

支气管哮喘也是另一个常见的慢性肺部疾病类型。

聚类分析可用于将支气管哮喘患者分为不同的亚型，根据哮喘自我报告量表、肺功能、过敏原暴露和血清免疫球蛋白等方面的表型特征，进行分类研究。

研究表明，不同亚型表现出不同的生物学和病理学特征，如免疫反应、炎症状态和肺部结构改变等方面。

而针对其他慢性肺部疾病类型的聚类分析研究也在逐渐开展。

例如，一项针对肺间质纤维化的研究，通过对肺功能、组织病理学、影像特征和基因表达等方面的特征进行分析，将患者分为两个亚型，发现了亚型之间的功能和生物学差异。

类似地，另一项研究通过分析肺动脉高压患者的病理学、放射学和生理特征，将患者分为两个亚型，并发现存在不同的病理机制和表型特征。

需要注意的是，聚类分析研究可能会存在一些局限性。

例如，在样本集数量较少、不同亚型之间的表型特征重叠和不够完整等方面，聚类分析可能会面临挑战。

此外，由于不同研究之间的分析方法和标准的不同，不同研究之间的结果也可能存在差异。

综上所述，聚类分析成为研究慢性肺部疾病表型的重要工具之一，通过对不同类型慢性肺部疾病患者的表型数据进行聚类，可以将其分为不同的亚型，并深入研究亚型之间的生物学差异及其潜在机制。

这些研究有助于改善患者的治疗效果，为精准医疗和个性化治疗提供重要支持。

支气管扩张症表型的研究进展高丽庞敏支气管扩张症指感染、理化、免疫或遗传等原因引起支气管壁肌肉和弹力支撑组织破坏所导致一支或多支直径大于2m m的近端支气管不可逆扩张，被认为是最常见的气道损伤导致的结局。

其主要临床表现为慢性咳嗽，咳大量脓痰和（或）反复咯血，严重影响肺功能，最终导致患者较低的生活质量。

2013年美国成人支气管扩张症患病率为139/10万人[1]。

由于我国对支气管扩张症这一疾病缺乏重视，目前尚无该疾病的流行病学资料。

据估计，在40岁及40岁以上的人群，经医生诊断的支气管扩张症总体患病率为1.2X，并随着人口老龄化患病率呈上升趋势[2]。

由于未诊断的人数是未知的，实际患病率要超过1.2X[3]，使其成为一个严重且日益增长的经济健康负担。

胸部高分辨率C T (H R C T)是诊断支气管扩张症的主要手段[4]。

支气管扩张症的异质性表现为多种病因，如感染后、特发性、慢性阻塞性肺疾病（C h r o n ic O b s t r u c­t iv e P u lm o n a r y D is e a s e、C O P D)、支气管哮喘、先天性、免疫缺陷，自身免疫性疾病、肿瘤等和广泛的临床表现，范围可从一个肺叶的局灶性病变到累及所有肺叶的双肺弥漫性病变，从气道细微的扩张到囊性改变。

临床表型表型是指生物体可观察到的特征，是基因和环境因素相互作用的结果，也是将生物体分类的依据。

不同的研究试图根据病因、微生物学或其他条件将支气管扩张症患者进行分类，以达到精准治疗、改善预后。

一、病因与表型B u S C〇t[5]等人从病因的角度将311例支气管扩张症患者主要分为以下3种表型:感染后支气管扩张症(50%)、非感染后支气管扩张症（39X)和特发性支气管扩张症（11X)。

感染后支气管扩张症主doi： 10. 3969/j. issn. 1009 -6663. 2021.03.029作者单位:030001山西太原，山西医科大学第一医院呼吸科通信作者:庞敏，E-mail:*******************要与肺结核（55X)有关。

㊃论 著㊃慢性阻塞性肺疾病患者血清I g E 水平及其临床意义范明鑫 张永祥首都医科大学大兴教学医院呼吸与危重症医学科102600通信作者:张永祥,E m a i l z yx @y a h o o c o m c n ʌ摘要ɔ 目的 探讨慢性阻塞性肺疾病(C O P D )患者总I g E (t I g E )及特异性I gE (s I g E )水平与C O P D 表型㊁急性加重㊁肺功能的关系㊂方法 采用过敏反应体外试剂盒测定294例已确诊的C O P D 患者血清t I g E 及s I gE 水平㊂同时收集病史㊁评估患者临床症状㊁肺功能㊁外周血嗜酸粒细胞计数㊁急性加重住院次数等资料㊂结果 在294例患者中,t I g E 升高患者185例,占62 9%㊂s I g E 中户尘螨组(21 6%)和真菌组(25 9%)阳性率较高,浓度分级以1㊁2级为主㊂同t I g E 正常组患者比较,t I g E 升高组患者存在更早出现的呼吸困难症状,更差的肺功能情况,更多的喘息症状及频繁急性加重,特别是真菌组s I g E 升高的患者更为明显㊂结论 C O P D 患者中t I g E 升高较为常见,t I g E 升高可能与患者呼吸困难症状㊁肺功能受损及急性加重风险相关,t I gE 升高患者可考虑为C O P D 变应原相关表型㊂ʌ关键词ɔ 血清I gE ;变应原;肺疾病,慢性,阻塞性;表型D O I 10 3760 c m a ji s s n 1673-436X 2019 20 003P r e v a l e n c e o f s e r u mI g E l e v e l a n d i t s c l i n i c a l s i gn i f i c a n c e i n p a t i e n t sw i t hC O P D F a n M i n g x i n Z h a n g Y o n g x i a n gD e p a r t m e n t o f R e s p i r a t o r y a n dC r i t i c a l C a r eM e d i c i n e t h eD a x i n g H o s p i t a l o f C a p i t a lM e d i c a l U n i v e r s i t y B e i j i n g 102600 C h i n a C o r r e s p o n d i n g a u t h o r Z h a n g Y o n g x i a n g E m a i l z yx @y a h o o c o m c n ʌA b s t r a c t ɔ O b je c t i v e T o e x p l o r e t h e p r e v a l e n c e of e l e v a t e d t o t a l Ig E t I g E a n d s p e c i f i c I g E s I g E th e a s s o ci a t i o nw i t h t h e c l i n i c a l p h e n o t y p e l u n g f u n c t i o n s a n d a c u t e e x a c e r b a t i o n i n p a t i e n t s w i t hc h r o n i c o b s t r u c t i v e p u l m o n a r y d i s e a s e C O P D M e t h o d s T h e s e r u mt I g Ea n ds I gEl e v e l so f 294p a t i e n t sw i t hC O P D w e r e d e t e r m i n e db y i nv i t r oa n a p h y l a x i sk i t M e a n w h i l e t h e p a t i e n t sw i t h C O P D w e r e e v a l u a t e d b y r e s p i r a t o r y s y m p t o m s m e d i c a l h i s t o r y l u n g fu n c t i o n a n d a c u t e e x a c e r b a t i o n s R e s u l t s T h e p r e v a l e n c eo f e l e v a t e dt I gEi n p a t i e n t sw i t hC O P D w a s62 9% n =185 T h e p o s i t i v e r a t e o f h o u s e d u s tm i t e 21 6% a n d f u n g i g r o u p 25 9% i n s I g Ew a s h i g h e r a n d t h e l e v e l so fs I g E w e r e m o s t l y i nt h e g r a d e1o r2 C o m p a r e d w i t ht h en o r m a l t I g E g r o u p p a t i e n t sw i t he l e v a t e dt I g E e s p e c i a l l y i n p a t i e n t sw i t he l e v a t e ds I g Ei nt h ef u n g a l g r o u ph a da n e a r l i e r o n s e t o f d y s p n e a P <0 01 T h e y a l s o s h o w e dw o r s e l u n g f u n c t i o n s P <0 01 a n d t h e y w e r em o r e l i k e l y t ow h e e z ea n da c u t ee x a c e r b a t i o n s P <0 01 C o n c l u s i o n s T h e r ew a sah i g h p r e v a l e n c eo fe l e v a t e ds e r u mt I g Ei n p a t i e n t sw i t hC O P D S e r u mt I g El e v e lw a sc o r r e l a t e d w i t h s y m p t o m s i m p a i r m e n t o f l u n g f u n c t i o na n da c u t e e x a c e r b a t i o n s A l l e r g e n s s u c ha s f u n g im a y h a v e e f f e c t s o nb r o n c h i a lh y p e r r e s p o n s i v e n e s sa n da i r w a y r e m o d e l i n g ofC O P D P a t i e n t sw i t he l e v a t e d t I g Ew e r e c o n s i d e r e d t oh a v e a na l l e r g i c p h e n o t y pe o fC O P D ʌK e y wo r d s ɔ S e r u mI g E A l l e r g y P u l m o n a r y d i s e a s e c h r o n i c o b s t r u c t i v e P h e n o t y p e D O I 10 3760 c m a ji s s n 1673-436X 2019 20 003㊃2351㊃国际呼吸杂志2019年10月第39卷第20期 I n t JR e s pi r ,O c t o b e r 2019,V o l .39,N o .20Copyright ©博看网. All Rights Reserved.C O PD 是以气流持续受限为特征的慢性肺部疾病㊂在全球范围内为继缺血性心脏病及脑卒中之后第3大疾病死因㊂在我国40岁以上成年人中患病率约13 7%[1]㊂C O P D 作为一种异质性疾病,目前越来越多的研究表明,变应原在一部分C O P D 患者发病及疾病进展中发挥重要作用,有学者将C O P D 分为变应原相关表型及非变应原相关表型,发现I gE 介导的Ⅰ型变态反应,参与气道炎症反应及气道重塑[2-3]㊂本文通过对C O P D 患者血清I gE 水平的分析,了解C O P D 不同表型的临床特点,进一步指导治疗对策㊂表1 t I g E 升高及t I gE 正常患者临床特征比较临床特征t I gE 升高组(n =185)t I gE 正常组(n =109)检验值P 值性别 例 %男124 67 84 77 χ2=3 339>0 01 女61 3325 23χ2=3 339>0 01年龄 岁 x -ʃs 72 0ʃ6 271 0ʃ9 3t =0506>0 01危险因素吸烟 例 %157 85 84 77 χ2=2 824>0 01 生物燃料及粉尘 例 %38 21 36 33 χ2=5 678>0 01 慢性咳嗽咳痰病史 年 x -ʃs18 0ʃ10 017 0ʃ11 0t =0591>0 01 呼吸困难病史 年 x -ʃs 7 8ʃ5 84 2ʃ3 2t =2311<0 01 存在喘息或哮鸣音 例 %159 86 67 62 χ2=23 114<0 01出现呼吸困难时间占慢性咳嗽咳痰时间 % x -ʃs43 0ʃ16 025 0ʃ13 0t =2 803<0 01 F E V 1%p r e d 的平均值 % x -ʃs 40 9ʃ10 260 2ʃ9 3t =1 915<0 01 F E V 1F V C 的平均值 % x -ʃs 45 6ʃ6 362 2ʃ3 6t =2 366<0 01G O L D 分级 例 % Ⅱ级70 38 47 43 Ⅲ级74 40 51 46 Ⅳ级37 20 10 9 近1年内急性加重住院ȡ2次 例 %88 4838 35χ2=4 521<0 01外周血嗜酸粒细胞计数平均值 c e l l s μl x -ʃs 239 0ʃ227 0208 0ʃ203 0t =0873>0 01注:t I g E 升高组包括t I g E >200U /m l 及t I g E 为100~200U /m l 的患者㊂t I g E 正常组包括t I gE <100U /m l 的患者1 对象与方法1 1 研究对象 采集2014年3月至2018年3月根据患者临床表现㊁胸部影像学及肺功能确诊为C O P D ,且近1周未应用抗组胺药物及口服糖皮质激素治疗的患者共294例㊂1 2 研究方法 采集患者吸烟史等危险因素㊁呼吸困难及急性加重病史等临床资料㊂1 2 1 肺功能检测 应用M a s t e r S c r e e n B o d y J a e g e r s p i r o m e t e r 测定肺功能,包括吸入支气管扩张剂之后的第1秒用力呼气容积(f o r c e de x p i r a t o r y v o l u m e i no n es e c o n d ,F E V 1)/F V C ㊁F E V 1%p r e d ㊂1 2 2 外周血嗜酸粒细胞计数 应用5分类全自动血细胞分析仪进行外周血嗜酸粒细胞计数㊂1 2 3 总I g E (t I g E )及特异性I g E (s I gE )检测 应用德国M e d i w i s s 敏筛定量过敏原检测系统,通过免疫印记法半定量检测血清t I g E ㊂t I g E 水平分为<100U /m l ㊁100~200U /m l 及>200U /m l 的3个水平㊂s I gE 为定量值,并按浓度分级为:0级0 00~0 34U /m l ,1级0 35~0 69U /m l,2级0 70~3 49U /m l ,3级3 50~17 49U /m l ,4级17 5~49 9U /m l ,5级50 0~100 0U /m l ,6级>100U /m l ㊂1 3 统计学分析 所有数据应用S P S S19 0软件处理㊂计数资料以例数和率表示,应用χ2检验,计量资料以x -ʃs 表示,采用t 检验进行比较㊂相关性分析采用S pe a r m a n 相关性分析㊂P <0 05为有统计学意义㊂2 结果2 1 t I g E 升高和t I gE 正常组患者临床特征比较 t I g E 升高和t I g E 正常组患者在性别㊁年龄及危险因素㊁慢性咳嗽咳痰病史差异均无统计学意义(表1)㊂但t I gE 升高组出现呼吸困难的时间更早,更易出现喘息或哮鸣音,同时具有更差的肺功能及更高的急性加重住院风险㊂二者外周血嗜酸粒细胞水平比较,差异无统计学意义㊂2 2 s I g E 升高情况 所收集患者中t I gE 升高患者185例(62 9%),见图1㊂s I g E 升高浓度分级以1级和2级为主㊂其中真菌和户尘螨为主要变应㊃3351㊃国际呼吸杂志2019年10月第39卷第20期 I n t JR e s pi r ,O c t o b e r 2019,V o l .39,N o .20Copyright ©博看网. All Rights Reserved.原,分别有48例(16%)和40例(13 6%)患者可观察到真菌s I g E 和户尘螨s I g E 升高㊂2 3 真菌组特异性抗体升高患者的临床特征分析 在t I g E 正常组中有2例s I gE (f )阳性,予剔除后组成s I g E (f )阴性t I g E 正常组㊂s I gE (f )阳性t I g E 升高组与之比较,发现s I gE (f )阳性t I gE 升高组出现呼吸困难时间更早,肺功能更差,更易出现喘息或哮鸣音㊂二者在性别㊁年龄㊁危险因素㊁慢性咳嗽咳痰方面差异均无统计学意义(表2)㊂注:1~20分别为真菌㊁户尘螨㊁屋尘㊁蟑螂㊁贝蟹㊁蒿/矮豚草㊁柏榆柳㊁腰果/花生/黄豆㊁苋/藜/葎草㊁鸡蛋白㊁桑树㊁牛奶㊁芒果/苹果/桃㊁菠萝㊁猫毛皮屑㊁狗毛皮屑㊁虾㊁牛肉㊁小麦㊁鱼图1 各种变应原s I gE 升高情况表2 s I g E (f )阳性及s I gE (f )阴性患者临床特征比较临床特征s I g E (f )阳性t I gE 升高组(n =48)s I g E (f )阴性t I gE 正常组(n =107)检验值P 值性别 例 %男31 65 82 77 χ2=2 436>0 01 女17 3525 23χ2=2 436>0 01年龄 岁 x -ʃs 70 0ʃ7 671 0ʃ8 1t =0 431>0 01危险因素吸烟 例 %38 80 82 77 χ2=0 121>0 01 生物燃料及粉尘 例 %12 25 36 33 χ2=6 385>0 01 慢性咳嗽咳痰病史 年 x -ʃs19 0ʃ11 017 0ʃ13 0t =0 681>0 01 呼吸困难病史 年 x -ʃs9 6ʃ5 34 2ʃ2 8t =2333<0 01 存在喘息或哮鸣音 例 % 42 88 67 62 χ2=9 831<0 01出现呼吸困难时间占慢性咳嗽咳痰时间 % x -ʃs51 0ʃ21 025 0ʃ17 0t =3 100<0 01 F E V 1%p r e d 的平均值 % x -ʃs 38 0ʃ11 760 2ʃ9 3t =2 807<0 01 F E V 1F V C 的平均值 % x -ʃs 42 0ʃ8 962 2ʃ4 1t =2 711<0 01G O L D 分级 例 % Ⅱ级18 38 45 42 Ⅲ级19 40 52 49 Ⅳ级11 2210 9注:s I g E (f )阳性代表真菌组s I gE 升高2 4 C O P D 患者血清t I gE 水平与外周血嗜酸粒细胞计数的相关性分析 C O P D 患者外周血嗜酸粒细胞计数与总t I gE 无明显相关性(r =0 233,P <0 001)㊂3 讨论C O PD 在临床表现㊁影像学特征㊁病程发展和治疗反应及预后等方面存在明显的异质性㊂肺功能作为C O P D 诊断指标,虽然在一定程度上可以提示患者急性加重风险,但不能反映患者在以上几个方面的差异[4]㊂近年来,对于以上异质性即C O P D表型(p h e n o t y pe )识别研究主要通过对流行病学㊁生物学㊁影像学㊁合并症等临床观察及无偏差分析如聚类分析获得,目的是区分具有独特预后或治疗特点的患者群体㊂目前,学术界仍未对C O P D 表型分类形成共识㊂常见表型分类一元标准包括年龄㊁性别㊁吸烟等流行病学特征,以及慢支型㊁肺气肿型㊁全身炎症型㊁哮喘-C O P D 重叠表型㊁频繁急性加重表型等[5-7]㊂对于基于表型的针对性治疗,西班牙C O P D 指南更为积极地提出非频繁急性加重型㊁C O P D -哮喘重叠型㊁频繁急性加重肺气肿型㊁频繁急性加重慢支型4种多元标准的表型,并根据以上4种表型制定相应治疗建议㊂体现了表型识别在C O P D 个体化精准治疗中的重要指导意义[8]㊂本研究以血清I gE 水平为识别特征,研究不同I g E 水平C O P D 患者异质性情况㊂有助于探讨内在致病机制及治疗策略㊂近年来,研究报道C O P D 患者中t I gE 升高占18%~47 3%[9-10]㊂本研究发现t I g E 升高患者更㊃4351㊃国际呼吸杂志2019年10月第39卷第20期 I n t JR e s pi r ,O c t o b e r 2019,V o l .39,N o .20Copyright ©博看网. All Rights Reserved.为普遍,比例为63%㊂较其他研究结果比例偏高, t I g E水平可能因疾病状态而不同,大多数研究未区分稳定期及急性加重期患者㊂但多数研究均提示t I g E升高在C O P D患者中比例较高㊂J a m i e s o n 等[2]进一步提出C O P D的变应原相关表型,包括存在明确过敏史及过敏原检测阳性的患者,认为该表型患者存在更严重的下呼吸道症状及更高的急性加重风险㊂本研究发现t I g E升高为表型的患者即变应原相关表型C O P D患者,除有更多急性加重住院及喘息症状外,存在更早出现的呼吸困难症状,更差的肺功能情况㊂特别是真菌组s I g E升高的患者更为明显㊂但在慢性咳嗽咳痰病史上,t I g E 升高患者与I g E正常患者无明显差异㊂且C O P D s I g E升高浓度分级以1级及2级为主,不同于过敏性哮喘患者的s I g E明显升高㊂提示变应原暴露及致敏不是C O P D发病的独立危险因素,但在C O P D患者症状表现及病情进展中发挥作用㊂本研究发现t I g E升高患者具有更严重的呼吸困难症状㊁更差的肺功能及急性加重风险㊂其可能的机制为参与气道高反应性及气道重塑㊂A n d r z e j 等[9]发现I g E升高的C O P D患者T h2相关细胞因子升高同过敏性哮喘患者类似㊂S t o l l等[11]还发现在G O L D2-4级C O P D患者与过敏性哮喘类似,存在树突细胞表面I g E受体(F cεR)过度表达㊂因此,I g E影响C O P D患者症状表现及病情进展的机制,可能为I g E介导的变态反应及相关T h2炎症因子参与变应原相关表型C O P D患者的气道炎症及气道重塑,在启动和维持慢性气道变应性炎症中发挥重要的作用㊂引起更为明显的气道高反应性及气道重塑等病理生理改变,导致更多的喘息症状及急性加重㊂本研究中发现真菌组s I g E升高的患者具有更严重的呼吸困难症状㊁更差的肺功能㊂其机制可能为同时还存在真菌特别是曲霉引起的支气管扩张及黏液分泌机制,因而可能进一步加重了呼吸道症状及肺功能损伤㊂近年来,C O P D的临床表型研究还包括C O P D 与其他慢性气道疾病的重叠(o v e r l a p),其中与I g E相关的重叠包括支气管扩张-C O P D重叠(b r o n c h i e c t a s i s-c h r o n i c o b s t r u c t i v e p u l m o n a r y d i s e a s e o v e r l a p,B O C)及哮喘-C O P D重叠(a s t h m a-c h r o n i c o b s t r u c t i v e p u l m o n a r y d i s e a s e o v e r l a p,A O C)㊂中度至重度C O P D的患者,支气管扩张的发病率高达50%㊂而A O C在C O P D中的发生率约为121%~552%㊂本研究未能涉及胸部C T及过敏史等资料,未能提出以上重叠状态的发病率情况㊂有研究提示以上重叠状态存在更重的临床症状及频繁急性加重㊁更高的病死率㊂针对B O C表型患者,治疗方案的选择需注意吸入激素诱发感染的风险增加,同时应用抗生素疗程及吸入抗生素治疗的选择㊂A O C表型患者首选含糖皮质激素的治疗方案[12-15]㊂有研究发现血清高t I g E水平是C O P D并发支气管扩张的独立危险因素,且血清t I g E水平与C O P D患者合并支气管扩张的程度呈正相关[16]㊂而对于A O C患者,西班牙指南将t I g E水平升高列为A O C诊断的次要标准之一[8]㊂在t I g E升高C O P D患者中真菌为常见吸入性过敏原,本研究真菌组(包括烟曲霉等)s I g E升高占16%㊂本研究未进行烟曲霉特异性抗体检测,不能确诊变应性支气管肺曲霉病(a l l e r g i c b r o n c h o p u l m o n a r y a s p e r g i l l o s i s,A B P A),仅能提示C O P D患者合并变应性支气管肺霉菌病的可能㊂国内㊁外学者报道烟曲霉抗体阳性在C O P D患者中占85%~18%,并于筛查t I g E升高C O P D患者中发现有C O P D合并A B P A的病例,而合并A B P A的C O P D患者的治疗,应兼顾全身糖皮质激素及抗曲霉菌治疗[10,17]㊂在变应原相关表型C O P D患者中针对I g E介导的变态反应及T h2炎症因子的靶向治疗也有越来越多的研究㊂例如在A O C患者中应用奥马珠单克隆抗体及嗜酸粒细胞表型C O P D患者中应用I L-5单克隆抗体[18-20]㊂因此,I g E水平检测有助于早期识别以上特殊表型,对于个体化治疗及改善预后有着重要意义㊂2019版G O L D指南提出外周血嗜酸粒细胞计数>300个细胞/μl初始吸入治疗应含有吸入性糖皮质激素的方案㊂而外周血嗜酸粒细胞计数<100个细胞/μl可能提示吸入激素不敏感[21]㊂本研究发现在C O P D患者外周血嗜酸粒细胞计数与t I g E无明显相关性㊂可能与C O P D患者应用药物㊁疾病不同时期对嗜酸粒细胞的影响,以及局部嗜酸粒细胞水平与外周血嗜酸粒细胞水平可能存在差异有关㊂本研究存在一定局限,未能获得连续监测患者疾病不同时期的I g E水平,且t I g E水平在本研究中为半定量数据㊂但结合本研究及已有关于C O P D 变应原相关表型的研究,C O P D患者中血清I g E的筛查,应有助于对C O P D特殊表型的早期诊断及制订针对性个体化治疗策略㊂利益冲突所有作者均声明不存在利益冲突参考文献1 W a n g C X u J Y Y a n g L e t a l P r e v a l e n c ea n dr i s kf a c t o r so f㊃5351㊃国际呼吸杂志2019年10月第39卷第20期I n t JR e s p i r,O c t o b e r2019,V o l.39,N o.20Copyright©博看网. All Rights Reserved.c h r o n i co b s t r u c t i v e p u l m o n a r yd i se a s ei n C h i n a t h e C h i n aP u l m o n a r y H e a l t h C P H s t u d y an a t i o n a lc r o s s-s e c t i o n a l s t u d y J L a n c e t2018391101311706-1717D O I101016S0140-67361830841-92J a m i e s o nD B M a t s u iE C B e l l i A e ta l E f f e c t so fa l l e r g i c p h e n o t y p e o n r e s p i r a t o r y s y m p t o m s a n d e x a c e r b a t i o n si n p a t i e n t sw i t h c h r o n i c o b s t r u c t i v e p u l m o n a r y d i s e a s e J A mJ R e s p i rC r i t C a r e M e d2013188187-192D O I101164r c c m 201211-2103O C3 M i c h a e lR J u nZ C e l i n eZ e t a l T h e r o l eo f I g E-r e c e p t o r s i nI g E-d e p e n d e n t a i r w a y s m o o t h m u s c l ec e l lr e m o d e l l i n g JP L o SO n e201382e56015D O I101371j o u r n a l p o n e00560154 H u r s t J R V e s t b o J A n z u e t o A e t a l S u s c e p t i b i l i t y t oe x a c e r b a t i o n i nc h r o n i co b s t r u c t i v e p u l m o n a r y d i s e a s e J NE n g l J M e d2010363121128-1138 D O I1056N E J M o a09098835 H a n MK A g u s t iA C a l v e r l e y P M e t a l C h r o n i co b s t r u c t i v ep u l m o n a r y d i s e a s e p h e n o t y p e s t h e f u t u r e o fC O P D J A mJ R e s p i rC r i t C a r e M e d2010182598-604D O I101164r c c m 200912-1843C C6 D i r k j e S P e t e r J C h r o n i c o b s t r u c t i v e p u l m o n a r y d i s e a s ep h e n o t y p e s c u r r e n t r a t h e rt h a nf u t u r e p e r s p e c t i v e s J A m R e s p i rC r i tC a r eM e d20121855589-590D O I101164a j r c c m 18555897牛宏涛杨汀王辰慢阻肺的临床表型和治疗策略J中国临床医生杂志20174591-4D O I103969j i s s n2095-85522017090018贾国华陈亚红2017年西班牙慢性阻塞性肺疾病指南解读J中国医学前沿杂志电子版201791223-27D O I1012037Y X Q Y 201712-069 A n d r z e j B B a r b a r aR I g E-d e p e n d e n t s e n s i t i z a t i o n i n p a t i e n t sw i t hC O P D J A n n A g r i cE n v i r o n M e d2018253417-420D O I1026444a a e m8341310J i n J M L i uX F S u n Y C T h e p r e v a l e n c eo f i n c r e a s e ds e r u mI g Ea n dA s p e r g i l l u s s e n s i t i z a t i o n i n p a t i e n t sw i t hC O P Da n dt h e i r a s s o c i a t i o nw i t hs y m p t o m sa n d l u n g f u n c t i o J R e s p i r R e s201415130D O I101186s12931-014-0130-111S t o l l P B a h k e r A U l r i c h M e ta l T h ed e n d r i t i cc e l lh i g h-a f f i n i t y I g E r e c e p t o ri so v e r e x p r e s s e di nb o t h a s t h m aa n ds e v e r eC O P D J C l i nE x p A l l e r g y201646575-583D O I101111c e a1266412赵京梅阎锡新李国翔等中重度慢性阻塞性肺疾病患者合并支气管扩张的高分辨率C T表现及临床特点J中华结核和呼吸杂志20174011874-876D O I103760c m a ji s s n1001-093920171101613 C o s i oB G S o r i a n oJ B Lóp e z-C a m p o sJ L e ta l D e f i n i n g t h eA s t h m a-C O P D O v e r l a p S y n d r o m ei na C O P D C o h o r t JC h e s t2016149145-52D O I101378c h e s t15-105514 K e e l eE W u r s t K K e l l y R e ta l U n d e r s t a n d i n g a s t h m a-c h r o n i c o b s t r u c t i v e p u l m o n a r yd i se a s eo v e r l a p s y n d r o m e JR e s p i rM e d2*******-11D O I101016j r m e d20151000415 H u r s t J R E l b o r nJ S D eS o y z aA e t a l C O P D-b r o n c h i e c t a s i so v e r l a p s y n d r o m e J E u rR e s p i rJ2015452310-313D O I101183090319360017001416J i nJ M Y u W L S u n Y C e t a l F a c t o r s a s s o c i a t e d w i t hb r o nc h i e c t a s i s i n p a t i e n t s w i t h m ode r a t e-s e v e r e c h r o n i co b s t r u c t i v e p u l m o n a r y d i s e a s e J M e d i c i n e20169529e4219D O I101097M D 000000000000421917 B a f a d h e l M M c k e n n a S A g b e t i l e J e t a l A s p e r g i l l u sf u m ig a t u s d u r i n g s t a b l e s t a t e a n d e x a c e r b a t i o n s o f C O P D JE u rR e s p i r J201443164-71D O I101183090319360016291218S t e v e n M P e t e rG G H e a t h e rP e t a l O m a l i z u m a b t r e a t m e n t r e s p o n s e i n a s e v e r e a l l e r g i c a s t h m a p o p u l a t i o n w i t h o v e r l a p p i n g C O P D J C h e s t2017151178-89D I O 101016j c h e s t20170101619 A r z uD Y B e t u lC A t aN Y O m a l i z u m a b a n t i-I g E t h e r a p yi nt h e a s t h m a-C O P D o v e r l a p s y n d r o m e A C O S a n di t se f f e c t so nc i r c u l a t i n g c y t o k i n el e v e l s J I mm u n o p h a r m a c o li mm u n o t o x i c o l2016383253-256 D O I103109089239732016117305720 R o g l i a n i P M a t e r aM G P u x e d d uE e t a l E m e r g i n g b i o l o g i c a lt h e r a p i e s f o r t r e a t i n g c h r o n i co b s t r u c t i v e p u l m o n a r y d i s e a s eA p a i r w i s ea n dn e t w o r k m e t a-a n a l y s i s J P u l m p h a r m a c o lt h e r20185028-37D O I101016j p u p t20180300421 G l o b a l I n i t i a t i v e f o r C h r o n i c O b s t r u c t i v e L u n g D i s e a s eG O L D G l o b a l s t r a t e g y f o r t h ed i a g n o s i s m a n a g e m e n t a n dp r e v e n t i o no fc h r o n i co b s t r u c t i v e p u l m o n a r y d i s e a s e2019 r e p o r t E B O L2018-12-10h t t p w w w G o l d c o p do r g收稿日期2019-04-20㊃6351㊃国际呼吸杂志2019年10月第39卷第20期I n t JR e s p i r,O c t o b e r2019,V o l.39,N o.20Copyright©博看网. All Rights Reserved.。

基于聚类分析对慢性肺部疾病表型的研究进展
二、聚类分析在慢性肺部疾病中的应用
在慢性肺部疾病的研究中，聚类分析主要应用在以下几个方面：
1. 患者分类
聚类分析可以将患者按照其临床特征、生物标志物和影像学特征等进行分类，帮助医生更准确地了解患者的疾病表型。

COPD患者可以根据其肺功能指标、炎症指标、氧合指标等进行分类，从而更好地指导临床治疗。

2. 疾病亚型的识别
通过聚类分析，可以将患者按照其疾病表型进行亚型的识别。

研究表明，支气管哮喘（asthma）可以分为不同的亚型，如嗜酸性细胞高、嗜碱性细胞高等，而这些亚型对治疗的反应和预后可能有所不同，因此对支气管哮喘的亚型进行识别对于治疗具有重要意义。

3. 治疗方案的制定
聚类分析还可以帮助医生更好地制定治疗方案，个性化治疗。

对于COPD患者，聚类分析可以将其分为不同的临床表型，从而制定更有针对性的治疗方案，提高治疗效果。

三、基于聚类分析的慢性肺部疾病表型研究进展
近年来，关于慢性肺部疾病表型的研究进展迅速，聚类分析在该领域的应用也受到了广泛关注。

以下为近年来一些相关研究的进展：
1. 基于聚类分析的COPD研究
相关研究表明，COPD患者可以根据其炎症指标、氧合指标、肺功能等进行聚类，从而将其分为不同的临床表型。

这些不同的表型对于治疗的反应和预后可能有所不同，因此对于COPD的表型进行研究具有重要意义。

而聚类分析可以帮助医生更好地了解不同表型的患者，制定更有针对性的治疗方案。

基于机器学习的肺部疾病诊断算法研究随着机器学习技术的不断发展，人工智能在医疗领域的应用也越来越广泛。

其中，基于机器学习的肺部疾病诊断算法已经成为研究热点之一。

本文将从现有技术、算法实现和未来发展等方面来介绍这一领域的最新研究成果。

一、现有技术目前，基于机器学习的肺部疾病诊断算法主要包括两种类型：一种是基于CT扫描图像的诊断算法，另一种是基于呼吸音信号的诊断算法。

对于CT图像的诊断，研究者主要依靠计算机视觉技术和深度学习算法来实现肺部结节和肺癌的自动识别。

其中，计算机视觉技术主要包括图像预处理、特征提取和分类器设计。

研究者一般会对原始CT图像进行滤波、分割和增强等预处理，然后提取出一些与肺部结节和肺癌有关的特征，如边缘、纹理、形状和大小等。

最后，采用一些分类器（如支持向量机、朴素贝叶斯和深度神经网络）来对识别结果进行分析和判定。

对于呼吸音信号的诊断，研究者则主要利用数字信号处理和机器学习技术来实现肺部疾病的自动检测。

其中，数字信号处理主要包括信号采集、预处理、特征提取和特征选择等步骤，然后采用一些分类器（如K-NN、C4.5和SVM）对信号进行分类和识别。

二、算法实现基于机器学习的肺部疾病诊断算法的实现并非易事。

首先，需要有大量的标记CT图像和呼吸音信号，以便训练模型并验证其准确性。

其次，需要选取合适的特征（即有效的、区分度高的特征），以提高算法的诊断效果。

最后，则需要选择合适的分类器，以便对样本进行准确的分类和判定。

对于CT图像的诊断，一般采用深度学习算法（如卷积神经网络）能够对计算机视觉技术进行有效的学习和分析。

在训练深度学习模型的过程中，需要对网络结构、超参数和数据增强等进行优化，以提升模型的泛化能力和识别性能。

对于呼吸音信号的诊断，则需要选用合适的特征（如短时能量、短时平均幅度和主成分等）和分类器（如支持向量机），并对其进行优化和调整，以提高算法的准确性和稳定性。

三、未来发展随着机器学习技术的不断发展，基于机器学习的肺部疾病诊断算法也将迎来更加广阔的发展空间。