Identification of Core Biomarkers and Temporal Mechanism Investigation in Cardiovascular Disease: A Machine Learning and Cross-Lagged Path Model Approach

ملخص تقني: تحديد المؤشرات الحيوية الجوهرية واستقصاء الآلية الزمنية في أمراض القلب والأوعية الدموية

بيان المشكلة
تمثل أمراض القلب والأوعية الدموية (CVD) سبباً رئيسياً للوفيات والعجز عالمياً، مع عبء مرتفع بشكل خاص في الصين حيث تشكل هذه الأمراض ما يقرب من 47% من إجمالي الوفيات. تعتمد استراتيجيات تقييم المخاطر الحالية بشكل أساسي على المؤشرات الحيوية الفردية التقليدية (مثل الكوليسترول منخفض الكثافة LDL، وجلوكوز الصيام) والتصاميم المستعرضة (cross-sectional). وتعاني هذه النهج من قيود كبيرة: فالمؤشرات الحيوية الفردية غالباً ما تفسر جزءاً ضئيلاً فقط من خفض المخاطر الضارة، كما أن البيانات المستعرضة تفشل في إثبات السببية الزمنية بين المؤشرات الحيوية وبداية المرض. علاوة على ذلك، هناك نقص في التحقق المقارن عبر أطر النمذجة المختلفة لتحديد أكثر المؤشرات التنبؤية قوة، واستقصاء غير كافٍ للعلاقات الزمنية ثنائية الاتجاه بين المؤشرات الأيضية/الكلية وتطور أمراض القلب والأوعية الدموية.

المنهجية
استخدمت هذه الدراسة بيانات من "دراسة تشارلز" (China Health and Retirement Longitudinal Study - CHARLS)، وتحديداً مجموعة بيانات المتابعة لعام 2015 لتطوير النموذج، وبيانات خط الأساس لعام 2011 للاستدلال السببي. شملت عينة الدراسة 10,666 مشاركاً (متوسط العمر 61.58 عاماً).

1. معالجة البيانات والتحليل أحادي المتغير: قام الباحثون أولاً بإجراء تحليلات أحادية المتغير لتحديد العوامل الديموغرافية والكيميائية الحيوية المرتبطة بشكل كبير بحالة أمراض القلب والأوعية الدموية (المُعرفة بأنها ارتفاع ضغط الدم، أو أمراض القلب، أو السكتة الدماغية). تم تقييم سبعة عشر مؤشراً كيميائياً حيوياً، بما في ذلك ملامح الدهون، وعلامات مستويات السكر، والوسائط الالتهابية، واختبارات وظائف الكلى.
2. نمذجة تعلم الآلة: تم تحسين أربع خوارزميات مختلفة لتعلم الآلة باستخدام التحقق المتقاطع خماسي الطيات (5-fold cross-validation) على تقسيم تدريبي/اختباري بنسبة 80/20:
   • الانحدار اللوجستي المنظم (Elastic Net)
   • الغابة العشوائية (Random Forest - RF)
   • آلة ناقلات الدعم (Support Vector Machine - SVM)
   • XGBoost
     تم إجراء ضبط المعلمات الفائقة (Hyperparameter tuning) لتعظيم المساحة تحت منحنى خصائص تشغيل المستقبِل (AUC). وتم تقييم أهمية الميزات باستخدام مقاييس مختلفة (مثل خوار𝓰 رياضي Boruta لخوارزمية RF، وأهمية التبديل لـ SVM، ودرجات الكسب لـ XGBoost).
3. استقصاء الآلية الزمنية: لتأسيس العلاقات السببية، تم اختيار المشاركين الذين لديهم بيانات كاملة لعامي 2011 و2015 لنمذجة المسار المتقاطع (cross-lagged path modeling). فحص هذا التحليل الطولي العلاقات ثنائية الاتجاه بين أفضل المؤشرات الحيوية أداءً التي حددتها نماذج تعلم الآلة وحالة أمراض القلب والأوعية الدموية، مع ضبط المتغيرات المصاحبة مثل العمر، والجنس، ومكان الإقامة، والتعليم.

المساهمات الرئيسية

• إطار متعدد الخوارزميات: تقارن الدراسة بشكل منهجي بين أربعة نماذج لتعلم الآلة لتحديد التنبؤات الجوهرية لأمراض القلب والأوعية الدموية، متجاوزةً بذلك قيود النموذج الواحد.
• تحديد المؤشرات الحيوية الجوهرية: من خلال التوافق عبر الخوارزميات المتعددة، تحدد الدراسة مؤشر (الدهون الثلاثية-الجلوكوز-مؤشر كتلة الجسم - TyG-BMI) والسيستاتين C (CysC) كأكثر العلامات التنبؤية قوة لأمراض القلب والأوعية الدموية.
• السببية الزمنية: بخلاف الدراسات المستعرضة السابقة، تستخدم هذه الأبحاث نمذجة المسار المتقاطع لفك الارتباط بين الاتجاهية الزمنية بين المؤشرات الأيضية/الكلية وأمراض القلب والأوعية الدموية، مما يكشف عن أنماط سببية متميزة لمختلف المؤشرات الحيوية.

النتائج

• الانتشار والديموغرافيا: لاحظت الدراسة انتشاراً لأمراض القلب والأوعية الدموية بنسبة 44.13% بين العينة. وُجدت فروق ذات دلالة إحصائية بين مجموعات المصابين وغير المصابين فيما يتعلق بالجنس، ومكان الإقامة، والتعليم، والعمر، ومعظم المعايير الكيميائية الحيوية (P < 0.05)، باستثناء عدد الصفائح الدموية.
• أداء النماذج:
  • أظهر نموذج XGBoost أداءً فائقاً في اختيار المؤشرات الحيوية، حيث صنف باستمرار TyG-BMI وCysC كأفضل المتنبئات.
  • حقق الانحدار اللوجستي المنظم أعلى قدرة على التعميم (AUC = 0.689 في مجموعة الاختبار) مع أصغر فجوة أداء بين التدريب والاختبار، مما يشير إلى المتانة ضد الإفراط في التخصيص (overfitting).
  • أظهرت الغابة العشوائية إفراطاً شديداً في التخصيص (تدريب AUC = 1.00 مقابل اختبار AUC = 0.656)، بينما أظهرت SVM وXGBoost تخصيصاً متوسطاً.
  • من حيث درجات F1، حقق XGBoost أعلى أداء في مجموعة الاختبار (0.694).
• اختيار المؤشرات الحيوية: عبر جميع النماذج، برز مؤشر TyG-BMI والسيستاتين C (CysC) كأهم المتنبئات.
  • TyG-BMI: في نموذج اللوجستي المنظم، ارتبطت الارتفاعات في ربعيات TyG-BMI بزيادة معنوية في احتمالات الإصابة بأمراض القلب والأوعية الدموية (OR = 2.732 لأعلى ربعية).
  • السيستاتين C: ارتبط ارتفاع CysC (أكبر من 1.03 ملجم/لتر) بمضاعفة خطر الإصابة بأمراض القلب والأوعية الدموية (OR = 2.045).
• العلاقات الزمنية (تحليل مسار المتقاطع):
  • TyG-BMI وأمراض القلب والأوعية الدموية: تم إثبات علاقة سببية ثنائية الاتجاه. تنبأ TyG-BMI عند خط الأساس بأمراض القلب والأوعية الدموية في فترة المتابعة (β=0.060)، كما تنبأت أمراض القلب والأوعية الدموية عند خط الأساس بمستويات TyG-BMI في فترة المتابعة (β=0.033). وأظهر كلا المتغيرين استقراراً زمنياً عالياً.
  • السيستاتين C وأمراض القلب والأوعية الدموية: وُجدت علاقة سببية أحادية الاتجاه. تنبأت أمراض القلب والأوعية الدموية عند خط الأساس بشكل كبير بمستويات CysC في فترة المتابعة (β=0.106)، لكن CysC عند خط الأساس لم يتنبأ بشكل معنوي بأمراض القلب والأوعية الدموية في فترة المتابعة (β=0.005, P=0.585). وأظهرت أمراض القلب والأوعية الدموية استقراراً زمنياً أعلى (معامل التراجع الذاتي = 0.811) مقارنة بـ CysC (0.525).

الأهمية والادعاءات
يفترض المؤلفون أن هذه الدراسة تضع معياراً منهجياً جديداً لاستقصاء المسببات متعددة الأبعاد للأمراض المزمنة المعقدة من خلال دمج تعلم الآلة مع الاستدلال السببي الطولي. وتشير النتائج إلى ما يلي:

1. يعمل TyG-BMI كمؤشر جوهري يعكس حلقة مفرغة بين الاختلال الأيضي ومخاطر القلب والأوعية الدموية، حيث يعزز كل من الاضطرابات الأيضية وأمراض القلب والأوعية الدموية بعضهما البعض.
2. يعمل السيستاتين C بشكل أساسي كعلامة لاحقة (downstream) لاعتلال القلب والأوعية الدموية بدلاً من كونه محركاً أولياً في هذه العينة المحددة، مما يدعم مفهوم الاعتلال القلبي الكلوي حيث تسبق أمراض القلب والأوعية الدموية أو فشل القلب أي تغيرات في المؤشرات الحيوية الكلوية.
3. إن الانتشار المرتفع لأمراض القلب والأوعية الدموية في السكان الصينيين مدفوع بعوامل تآزرية تشمل متلازمة التمثيل الغذائي، والشيخوخة المتسارعة، والتفاوتات في الرعاية الصحية بين المناطق الحضرية والريفية.

تخلص الدراسة إلى أن الفحص الروتيني للفئات السكانية عالية المخاطر يجب أن يعطي الأولوية لهذه المؤشرات الجوهرية، مع إيلاء اهتمام خاص لمراقبة وظائف الكلى لدى مرضى القلب والأوعية الدموية لإدارة الأمراض المصاحبة. ويقر المؤلفون بالقيود، بما في ذلك كون العينة تتكون أساساً من فئة منتصف العمر وكبار السن، والحاجة إلى تحقق مستقبلي عبر العشوائية المندلية (Mendelian randomization) أو التجارب التدخلية لتأكيد الآليات السببية.