论文部分内容阅读
研究背景:自身免疫性肝炎（autoimmune hepatitis,AIH）是一种由自身免疫反应所介导的肝脏实质炎症。其特点为血清自身抗体阳性、高免疫球蛋白血症、界面性肝炎等。目前AIH发病机制尚不明确,多数患者在早期阶段无临床症状或伴随非特异性症状,随疾病进展到晚期许多患者治疗困难或需要进行肝移植手术来挽救生命。AIH因发病率较低,常常被临床医生所忽视,但流行病学调查发现AIH发病率呈逐年上升的趋势。目前的诊断标准过于复杂且较为依赖肝脏组织学检查结果,容易造成漏诊、甚至误诊从而影响治疗。因此需要更加特异的生物标志物来早期识别该疾病。细胞因子（cytokine,CK）是由免疫细胞和某些非免疫细胞经刺激而合成、分泌的一类具有广泛生物学活性的小分子蛋白质。CK 一般通过结合相应受体调节细胞生长、分化和效应,调控免疫应答。白细胞介素,简称白介素,是指在白细胞或免疫细胞间相互作用的CK,是发现种类最多,调控作用最为复杂的一类CK。其在传递信息,激活与调节免疫细胞,介导T、B细胞活化、增殖与分化及在炎症反应中起重要作用。肿瘤坏死因子α是一种功能广泛的CK,研究发现肿瘤坏死因子α的过度生成与各种急性和慢性炎症过程的病理反应有关,包括感染性休克、类风湿性关节炎、多发性硬化和免疫介导的肝炎等。为了进一步研究肿瘤坏死因子α、白介素15、白介素35等CK在自身免疫性肝炎病情评估中的价值,本实验通过分析自身免疫性肝炎患者与正常对照组血清中CK的水平来探究其意义。另外,通过临床回顾性的数据分析,总结归纳出可能存在的对于自身免疫性肝炎有意义的指标及参数。研究方法:第一部分,收集了 2019年12月-2021年2月于浙江大学附属第一医院住院或门诊就诊的AIH患者（58例）和健康体检人群（18例）的血液标本。将病人分为肝炎组（41例）、肝硬化组（17例）、健康对照组（18例）。利用酶联免疫吸附法检测肝炎组、肝硬化组及健康对照组IL-15、IL-35在血液中的表达水平,利用流式多因子检测法即细胞因子微球检测技术,检测病例组及健康对照组TNF-α、IL-8、IL-17A、IL-33在血液中的表达水平,通过t检验分析、方差分析等分析各组之间是否有差异性表达,通过Pearson相关性分析,探究以上CK与AIH患者常见升高指标之间的关系。第二部分,收集了 2015年1月-2020年1月于浙江大学附属第一医院住院的AIH患者87名。将患者分为肝炎组（44例）、肝硬化组（43例）,通过分析其临床症状、血清学指标、影像学指标、免疫学指标、病理学指标及治疗药物,探寻可能对诊断有指导意义及判断疾病严重程度的相关性指标。通过t检验分析、方差分析等分析各组之间是否有差异性表达,通过Logistic分析探究AIH患者出现肝硬化的预测模型。研究结果:第一部分,共收集AIH患者58例、健康对照组18例,结果显示AIH患者血清中IL-35水平高于健康对照组（65.0ng/mL vs 54.8ng/mL）,差异具有统计学意义（P＜0.05）。AIH患者血清中TNF-α（254.6pg/mL vs 50.8pg/mL）、IL-15（1036.pg/mL vs 856.0pg/mL）水平高于健康对照组,也高于肝硬化组（254.6pg/mL vs 157.8pg/mL）、（1036.0pg/mL vs 945.0pg/mL）,差异具有统计学意义（P＜0.05）。AIH患者与健康对照组及肝硬化组血清中IL-8、IL-17A、IL-33水平未发现明显差异。第二部分,共收集AIH患者87例,男女比例1:4.8,平均年龄为54.36±12.67岁。其中肝硬化患者43例,Child分级B级以上有31例。临床表现以乏力、纳差、皮肤巩膜黄染为主,血清生化学指标以ALT、AST升高,HB、PLT、ALB、ChE降低为主,免疫学指标以ANA、可溶性蛋白抗体、抗SSa抗体、抗ssa52抗体阳性为主。有47.1%的患者接受过激素治疗,有11.5%患者接受过肝移植治疗。通过Logistic分析建立两个AIH肝硬化的预测模型。模型1:Logit（p）=14.798-0.01*ALT-0.06*HB-0.009*PLT-0.176*ALB,AUROC 为 0.928（95%CI 0.875-0.981）;敏感度85.7%,特异度82.2%,阳性预测值81.8%,阴性预测值86.0%。模型2:L ogit（p）=-0.045*HB-0.009*ALT-0.001*ChE+9.847,AUROC 为 0.933（95%CI 0.884-0.983）;敏感度90.5%,特异度86.7%,阳性预测值86.4%,阴性预测值90.7%。结论:血清IL-15、IL-35、TNF-α水平有助于评估AIH患者病情和肝组织炎症程度,可作为临床中AIH辅助诊断及严重程度判断的潜在指标。根据临床病例资料,通过Logistic分析,我们建立了两个有助于判断AIH发展为肝硬化的预测模型:模型 1,Logit（p）=14.798-0.01*ALT-0.06*HB-0.009*PLT-0.176*ALB、模型 2,Logit（p）=-0.045*HB-0.009*ALT-0.001*ChE+9.847。