Th1(IFN-γ+CD4+)/CD4+细胞比率预测肌萎缩侧索硬化快速进展的机器学习模型构建与验证

　　研究人员针对肌萎缩侧索硬化(ALS)快速进展预测难题，通过564例散发性ALS患者队列，发现高Th1(IFN-γ+CD4+)/CD4+比率(≥16.21)与疾病加速显著相关(HR=1.90)。基于流式细胞术和LASSO回归构建的Xgboost模型(AUC 0.804)为ALS预后评估提供了新型血液免疫标志物。

　　

这项开创性研究揭示了辅助性T细胞亚群在神经退行性疾病中的关键作用。当CD4⁺T细胞中分泌干扰素-γ(IFN-γ)的Th1亚群比例超过16.21%时，患者疾病进展速度显著提升1.9倍，同时与用力肺活量下降呈正相关(r=0.11)。研究团队采用流式细胞术精准量化外周血免疫细胞，结合限制性立方样条分析，首次确立Th1/CD4⁺可作为独立预测指标。

通过荧光微球捕获技术和多变量Cox回归，科学家们构建包含5个特征因子的预测模型。其中Xgboost算法表现尤为突出，在验证集中展现出卓越的判别效能(G均值0.756)。该发现为ALS的临床分型提供了可量化的免疫学依据，注册于中国临床试验注册中心(ChiCTR2400079885)，标志着神经免疫交叉研究的重要突破。