Иммунофенотипирование циркулирующих лейкоцитов как инструмент оптимизации диагностики каротидного атеросклероза с использованием методов машинного обучения

Целью исследования являлось изучение возможности использования иммунофенотипирования циркулирующих лимфоцитов, нейтрофилов и моноцитов в целях диагностики прогностически неблагоприятного каротидного атеросклероза с применением алгоритмов машинного обучения.Материал и методы. В исследовании приняли участие пациенты в возрасте 40–64 лет, которым было проведено дуплексное сканирование сонных артерий и артерий нижних конечностей. Фенотипирование и дифференцировку субпопуляций лимфоцитов, нейтрофилов и моноцитов осуществляли методом проточной цитометрии на аппарате «Navios 6/2» (Beckman Coulter, США). Статистическая обработка данных производилась с использованием программно-прикладного пакета SPSS 23 и собственных программных наработок, созданных с использованием основных библиотек языка программирования Python 3.8 (Scikit-learn, Pandas, Numpy, Scipy) и IDE Spyder.Результаты. В исследование были включены 78 пациентов, 39 (50,0 %) мужчин и 39 (50,0 %) женщин, медиана возраста 50,0 года. Возраст старше 56 лет (р = 0,001), повышенное содержание холестерина липопротеинов низкой плотности (ХС ЛПНП) (р < 0,001) и мочевой кислоты (р = 0,001), а также иммуносупрессорных нейтрофилов (р = 0,005) статистически значимо ассоциированы с развитием каротидных атеросклеротических бляшек. В то же время уменьшение популяций проангиогенных нейтрофилов (р = 0,009), классических моноцитов, экспрессирующих CD36 (р = 0,019), неклассических моноцитов (р = 0,021), промежуточных моноцитов, экспрессирующих TLR4 (р = 0,033), а также классических моноцитов, экспрессирующих TLR2 (р = 0,044), статистически значимо ассоциировано с повышенным шансом наличия каротидных атеросклеротических бляшек. Были созданы две прогностические модели. Первая модель включала базовые клинико-лабораторные параметры (возраст, содержание ХС ЛППН, мочевой кислоты), вторая – все отобранные параметры, а также иммунологические показатели. Включение выявленных иммунологических предикторов в модель привело к значимому увеличению всех стандартных метрик качества бинарной классификации. Точность модели возросла на 13 % (р = 0,014), чувствительность – на 20 % (р = 0,003), специфичность – на 6 % (р = 0,046), прогностическая ценность положительного результата – на 9 % (p = 0,037), прогностическая ценность отрицательного результата – на 16 % (р = 0,011). По данным ROC-анализа, без включения в модель иммунологических предикторов площадь под ROC-кривой (AUC) составляла 0,765 [0,682; 0,848], включение же иммунологических предикторов приводило к статистически значимому увеличению AUC (0,906 [0,854; 0,958], р = 0,041).Заключение. У пациентов 40–64 лет без установленных атеросклеротических сердечно-сосудистых заболеваний включение в модель иммунологических маркеров, получаемых при иммунофенотипировании лейкоцитов, позволило увеличить ее диагностическую эффективность в отношении выявления прогностически неблагоприятного каротидного атеросклероза. Диагностическую ценность продемонстрировали субпопуляции моноцитов, экспрессирующих TLR2, TLR4 и CD36, а также иммуносупрессорные и проангиогенные нейтрофилы.