使用模糊逻辑分析化学发光与液相色谱-质谱法在25-羟基维生素D检测中的差异

为什么维生素D检测结果并不总是一致

维生素D已成为家喻户晓的名字，与强健骨骼、免疫防御以及对糖尿病和心脏病等疾病的保护相关。医生通常检测血液中的一种形式——25-羟基维生素D，以判断个体是否摄入足够。然而有一个问题：不同的实验室检测方法对同一血样可能得出略有不同的结果。本研究探讨了两种常见检测方法为何会产生分歧，以及一种称为模糊逻辑的人工智能方法如何揭示这些差异中的潜在模式。

测量同一种“阳光维生素”的两种方式

医院通常使用一种快速自动化的方法，称为化学发光免疫测定，这种方法有点像血中维生素D与特异性抗体之间的“锁与钥匙”反应。一种更先进且精确的方法是液相色谱-串联质谱，它通过分离并称量维生素D分子来工作，常被视为“金标准”。研究人员分析了在一家大型中国医院中于同一天用两种方法检测的138份血样。结果发现，质谱法持续报告的维生素D水平略高于免疫测定，平均差异约为测量尺度上的1.3个单位。

在临界值附近的小差异也很重要

尽管两种方法的总体一致率超过90%，但剩下的那些分歧并非无关紧要。大约每十一个人中就有一人在分类上会不同——例如被归为“缺乏”或“足够”——这取决于使用哪种检测方法，尤其是在常见的临床界值20或30单位附近。对于处于边缘的人，这可能意味着被建议服用补充剂或被告知其水平正常之间的差别。研究还指出，该样本来自相对富裕的地区，其平均维生素D水平低于30单位，这表明即使在亚洲较高收入地区，维生素D状况也可能不理想，需要持续关注。

让人工智能处理灰色地带

传统统计方法常假设明确的直线关系，但真实的生物学情况更为复杂。为更好地理解两种检测方法为何有时会分歧，研究团队使用了模糊逻辑——人工智能的一个分支，专门处理“介于两者之间”的情况，而非简单的二分答案。他们把每位受试者的四项信息输入到一个生成型模糊推理系统：两种检测的结果、年龄和性别，并让系统学习解释方法差异产生的规则。模糊逻辑并非使用僵硬的类别，而是为每个数据点在重叠组（例如低、中、高）中赋予部分隶属度，从而让那些传统工具可能忽略的微妙趋势浮现。

在中年女性中发现的意外信号

模糊逻辑模型揭示了一个有趣的模式：三十多岁的女性在两种检测方法间显示出最大的差距，尤其当维生素D水平高于最低阈值时。为检验这是否偶然，研究者又检查了另外59份样本。将30至40岁女性与其他人比较时，这一中年女性组出现大差异的可能性超过其他人的三倍。作者认为，激素变化及与之相关的携带维生素D的血浆蛋白可能有所作用，尽管本研究并未直接测量这些因素。样本中女性人数多于男性，这也可能放大了这一模式。

这对日常健康决策意味着什么

对大多数人而言，两种维生素D检测给出的答案大体相似，任一方法都可用于常规护理。然而，这项工作表明，检测方法的选择和患者特征（如年龄和性别）会影响测得数值，并可能在边界情况下将结果推向不同类别。通过将现代实验室技术与模糊逻辑相结合，研究者提供了一个更细致的视角来理解这些差异何时以及如何出现。他们的发现支持全球范围内对维生素D检测标准化的持续努力，并建议医生在解读接近决策阈值的结果时要谨慎，特别是对中年女性，因为在该群体中方法间的不一致性可能最大。

引用: Liu, H., Li, S., Wong, K.W. et al. Analysis of chemiluminescence and liquid chromatography-mass spectrometry in 25-hydroxyvitamin D detection using fuzzy logic. Sci Rep 16, 11886 (2026). https://doi.org/10.1038/s41598-026-41793-9

关键词: 维生素D检测, 实验室方法, 模糊逻辑, 临床诊断, 女性健康