《Scientific Reports》：Predicting skeletal fluorosis severity using machine learning across diverse fluoride-exposed populations in China
编辑推荐：
为解决传统X射线诊断骨骼氟化症通常仅在晚期才可检出、限制早期干预的问题，研究人员开展了跨燃煤型、饮水型及砖茶型三种氟暴露源人群的研究，利用LASSO回归和随机森林等机器学习算法构建预测模型。结果显示，随机森林模型预测性能最佳（训练集AUC=0.875，测试集AUC=0.832），SHAP分析识别出疼痛评分、关节功能、年龄和尿氟浓度为关键预测因子。该研究为高危人群的早期风险筛查和严重程度分层提供了有力工具。
想象一下，一种名为骨骼氟化症的慢性骨病，正因长期过量摄入氟而悄然侵袭着全球数百万人。传统的诊断依赖于X射线证据，但这种方法往往只能在疾病已发展到晚期时才发现，错失了早期干预和预防的黄金窗口。特别是在中国，氟暴露的来源多样，包括燃煤、饮用水和饮用砖茶等，不同地区的人群面临着不同的风险模式。如何在这些高危人群中，更早、更准地识别出疾病风险并进行严重程度分层，成为了公共卫生领域一个亟待解决的难题。
为了攻克这一难题，一项发表在《Scientific Reports》上的研究应运而生。研究人员从中国三大氟流行区（代表燃煤型、饮水型和砖茶型氟暴露）招募了1309名个体，收集了他们的人口统计学、环境暴露和生物监测等综合数据。他们的核心目标是开发一个能够预测骨骼氟化症严重程度的机器学习模型，并探究不同氟暴露源下的疾病模式差异。
研究者们运用了几项关键的技术方法来达成目标。首先，他们从多样本队列（n=1309）中整合了多维数据。在变量筛选阶段，采用了最小绝对收缩和选择算子回归（Least Absolute Shrinkage and Selection Operator, LASSO回归）来精选最具预测力的特征。随后，他们训练并验证了五种不同的机器学习算法，以评估模型的预测性能。模型性能主要通过受试者工作特征曲线下面积（Area Under the Receiver Operating Characteristic Curve, AUC）来评判。最后，为了增强模型的可解释性，他们引入了SHapley Additive exPlanations（SHAP）方法，以揭示各个预测因子对模型输出的贡献度。
模型构建与性能比较
研究团队首先利用LASSO回归从众多候选变量中筛选出最重要的预测因子。基于筛选后的变量集，他们训练了包括随机森林、支持向量机、逻辑回归等在内的五种机器学习模型。经过在训练集和独立测试集上的验证与比较，随机森林模型脱颖而出，展现了最优的预测性能，其训练集AUC达到0.875，测试集AUC为0.832，表明模型具有良好的区分能力和泛化能力。
关键预测因子的识别
通过SHAP分析，研究清晰地揭示了影响骨骼氟化症严重程度的最重要因素。疼痛评分和关节功能状况被确定为最具影响力的预测因子，这直观反映了疾病的主要临床症状。紧随其后的是年龄和尿氟（Urinary Fluoride, UF）浓度。年龄的增长与疾病的严重程度正相关，而尿氟作为一项关键的生物监测指标，直接反映了机体近期氟负荷水平，其预测价值得到了确认。
不同氟暴露源的模式差异
该模型的另一个重要价值在于，它成功捕捉并量化了不同氟暴露源导致的疾病模式差异。分析表明，在燃煤型、饮水型和砖茶型氟暴露地区，影响疾病严重程度的关键预测因子及其贡献权重存在明显不同。这提示，针对不同来源的氟暴露，公共卫生干预策略可能需要因地制宜，有所侧重。
综上所述，这项研究成功构建了一个高精度且可解释的机器学习模型，用于预测中国多样化氟暴露人群的骨骼氟化症严重程度。随机森林模型被证明是有效的预测工具。研究不仅确认了疼痛、关节功能、年龄和尿氟浓度等核心临床与生物标志物的预测价值，还首次系统性地揭示了三种主要氟暴露源（燃煤、饮水、砖茶）在疾病严重程度模式上的差异性。这一框架为在高风险人群中进行早期疾病风险筛查和严重程度分层提供了一个强大的、数据驱动的工具。通过实现对疾病进展风险个体的及时识别，该模型能为实施有针对性的公共卫生干预措施奠定基础，并凸显了数据驱动方法在大规模环境健康监测中的巨大应用潜力。
