利用预测机器学习和电子健康记录研究常见HFE基因变体与中风致残的关联

为什么基因与中风康复很重要

中风能在瞬间改变一个人的生活，但两位发生类似脑出血的患者的恢复轨迹可能截然不同。本研究探讨一种影响大脑铁代谢的常见基因变体是否能帮助部分人在因脑出血导致的中风后更好地恢复。研究者将电子健康记录、大型基因数据库和机器学习结合起来，审视这一微妙的遗传差异是否会把脑内出血这种致死率较高的中风形式的康复概率，向更独立的生活方向倾斜。

不同类型的中风与不均衡的康复

并非所有中风都相同。脑内出血是指脑内血管破裂，血液和铁浸入周围组织，这类中风的死亡率和长期致残率都很高。仅有少数幸存者能在数月内恢复完全独立。医生知道年龄和其他健康问题会影响恢复，但这些因素并不能解释全部差异。既往研究表明某些基因变体会影响中风后的恢复状况。在动物研究中，HFE基因的一个特殊变体——该基因参与体内铁的调节——在出血后似乎能保护大脑。人体中这一变体的一个常见形式称为H63D，尽管它出人意料地普遍，但其对脑出血后恢复的影响尚未在大规模患者群体中检验过。

用医院数据替代缺失的评分

为了在大规模人群中研究这个问题，研究团队首先要解决一个实际难题。大型基因生物库中包含DNA数据和医院诊断编码，但通常没有记录一种衡量中风后独立程度的标准致残评分——改良Rankin量表。相反，专科中风中心会记录该评分，但通常不具备基因数据。因此，研究者在一家美国医疗中心对6000多名中风患者训练了一种机器学习模型，利用住院诊断编码、年龄、性别和种族来预测患者出院时是轻度致残（能够独立生活）还是中重度致残。多种模型表现良好，梯度提升模型在准确性和可靠性之间取得了最佳平衡。

在大规模人群中检验预测工具

构建出预测工具后，团队将其应用于两个巨大的基因资源：英国生物样本库（UK Biobank）和“All of Us”研究项目，重点关注H63D变体最常见的欧洲血统参与者。在这些生物库中，研究者通过诊断编码识别中风患者，并由模型估算每个人中风后的可能致残水平。模型归类为更高致残的人，在五年死亡率和中风后严重并发症方面都高于被归类为较轻致残的人。这一模式与临床观察一致，表明尽管这些评分是预测而非直接测量，预测结果仍能有意义地反映中风严重程度。

对脑出血有细微的基因效应，但对其他中风类型无此效应

在获得预测致残评分后，研究者检验了H63D变体是否与不同类型中风的结局相关。将两个生物库的结果汇总后，研究发现，在脑内出血患者中，不携带H63D变体的人被预测为出院时出现显著致残的几率高于携带该变体的人。换言之，携带H63D与在这种类型的脑出血后朝更好功能状态的小幅但有意义的转变相关。而对于其他中风类型（例如因动脉堵塞而发生的缺血性中风或短暂性脑缺血发作），并未观察到相同的模式。

这对未来护理意味着什么

对非专业读者来说，关键信息是：一种常见的基因变体通过略微改变大脑处理铁的方式，可能有助于减轻出血性中风造成的损伤，从而降低幸存者长期严重致残的可能性。该研究并未证明因果关系，且依赖于预测而非直接测得的致残评分，因此仍需更多工作来确认这一关联。尽管如此，研究结果提示，简单的遗传差异可能部分解释为何在遭受相似脑损伤后不同个体的恢复表现不同。长期来看，这类发现或可指导哪些患者最有可能从针对脑内铁损伤的新疗法中获益。

引用: Markus, H., Helmuth, T.B., Connor, J.R. et al. The association of a common HFE gene variant with stroke disability utilizing predictive machine learning and electronic health records. Sci Rep 16, 15294 (2026). https://doi.org/10.1038/s41598-026-46129-1

关键词: 卒中恢复, 脑内出血, HFE基因变体, 机器学习, 电子健康记录