近日，深圳大学医学部陈心春教授团队在国际知名期刊Thorax (胸腔杂志，JCR 1区，IF=10.3)上在线发表了题为“Biomarkers of iron metabolism facilitate clinical diagnosis in Mycobacterium tuberculosis infection”(doi: 10.1136/thoraxjnl-2018-212557)的文章。该研究首次评估铁代谢相关指标如血清铁（serum iron）、铁蛋白（ferritin）和转铁蛋白（transferrin）在结核病诊断中的作用。该研究纳入近2000份临床病例，通过比较不同深度学习算法，发现基于铁代谢相关指标的神经网络（neural network, NNET）模型可有效区分结核病患者（TB）与健康对照者（HC）、结核菌潜伏感染者（LTBI）、结核病治愈者（RxTB）、非结核性肺炎患者（PN）。本研究有望为结核病早期、快速、准确的临床诊断提供新方法。

32%-86%的结核病患者伴有不同程度的贫血。研究表明铁代谢紊乱是结核病发病及进展的重要危险因素，可做为评估结核病治疗效果、预测结核病死亡的有效指标。铁代谢相关指标对结核病的诊断价值如何，尚无报道。首先，本研究纳入HC（200例）、LTBI（167例）、TB（316例）、RxTB（100例）及PN（100例）共计883例，检测外周血serum iron、ferritin和transferrin的含量。将该部分纳入者按照4:1比例随机分为训练组（training set）和测试组（test set），通过建立不同数学模型，分析发现神经网络模型（NNET）用于诊断结核病效能最佳，在training set和test set中的灵敏度分别为83%、70%，特异性分别为86%、92%，准确性分别为85%、84%。值得关注地是，NNET可有效区分TB与HC、LTBI、RxTB和PN，ROC曲线下的面积（AUCs）分别为0.91, 0.93, 0.91, 0.95, 0.83。

为了进一步验证基于铁代谢指标的NNET模型临床应用的广泛性，本研究前瞻性纳入在深圳市第三人民医院和广州胸科医院收治的疑似结核病患者944例（已剔除HIV阳性、诊断不明确患者），其中结核病患者784例，非结核患者148例，NNET用于诊断结核病灵敏度、特异性和准确性分别为74%、92%和77%。

本文通讯作者陈心春教授是深圳大学医学部特聘教授。该论文主要由陈心春教授课题组博士生代友超和深圳市第三人民医院检验科单万水主任技师完成，二人并列第一作者。该研究依托深圳大学医学部平台，同时由深圳市第三人民医院、广州市胸科医院和广州市第八人民医院等多家医院参与，获得了国家传染病科技重大专项计划、国家基金委、广东省重点实验室和深圳市科创委、发改委的资助。

文章链接：https://thorax.bmj.com/content/early/2019/10/14/thoraxjnl-2018-212557