前沿进展丨同样是 LGMD R2，为什么病情发展速度不一样？

type

Post

status

Published

date

Jun 14, 2026

slug

lgmd-r2-prognostic-predictors

summary

肢带型肌营养不良症 R2 型（LGMD R2）的病情进展速度因人而异，差异巨大。本研究基于国际大样本 dysferlinopathy 队列，利用人工智能模型筛选关键预测因子，发现患者可分为快速进展型（三年内 NSAD 下降 14.4 分）和中速进展型（下降 3.8 分）。联合临床指标与大腿肌肉 MRI 脂肪含量的模型预测准确率更高（AUC=0.91），并开发了免费在线预测工具。该研究为个体化预后评估和临床试验设计提供了新工具。

一、写在前面：一个让患者最揪心的问题

肢带型肌营养不良症 R2 型（LGMD R2），也叫 dysferlinopathy，是一种由 DYSF 基因突变引起的进行性肌肉疾病。DYSF 基因编码的 dysferlin 蛋白负责肌纤维损伤后的「修补」、T 小管形成与钙离子调控；一旦缺失，肌肉在反复损伤后逐渐被脂肪和纤维组织替代。患者通常在青少年或成年早期出现症状，如走路困难、上楼吃力、容易摔倒，同时血清肌酸激酶（CK）显著升高。确诊后病情缓慢进展、逐步加重，目前尚无特效治疗。

一旦基因确诊，患者最关注的往往是：「我的病会发展得多快？我还能独立行走多久？」

遗憾的是，LGMD R2 的进展速度因人而异：有的人十年内就需要坐轮椅，有的人三十年后仍能独立行走。研究甚至发现，约 10% 病程不足十年的患者已经严重受累，而约 10% 病程超过 35 年的患者依然行动自如。为什么会这样？有没有办法提前预测？这正是本研究试图回答的问题。

二、研究是怎么做的？

这项研究的数据来自 dysferlinopathy 临床结局研究（COS）——一项由美国 Jain 基金会资助的国际自然史研究，前瞻性收集了 188 名 LGMD R2 患者的人口学、基因、临床与影像数据，随访最长达 5 年（平均约 1281 天，约 3 年半）。

研究者用一把专门为肢带型肌营养不良开发并验证的运动功能量表——NSAD（North Star Assessment for limb-girdle muscular dystrophies，肢带型肌营养不良北极星评估）来衡量病情。NSAD 满分 54 分，分数越高代表运动功能越好；它通过 29 项任务（走、跑、跳、上下楼梯等，以下肢功能为主）来打分。

为了让不同患者之间的「变化」可比，研究只纳入了基线时仍能独立行走、且最高 NSAD ≥ 20 分的患者。经过严格的数据清洗和筛选后，最终纳入分析的为 101 名患者（其中 58 人有定量肌肉 MRI 数据），共 126 个变量（见图 1、图 2）。

图 1　研究人群的筛选流程：从 188 例患者中，纳入仍可行走且最高 NSAD ≥ 20 的 101 例，其中 58 例具有定量 MRI 数据。

面对这么多维度的数据（临床、基因、影像），传统统计方法往往「一次只能看几个变量」。研究者因此引入了人工智能（AI）：先用机器学习从 307 个原始变量中层层筛出最具区分力的指标，再用可解释性框架（SHAP）找出最关键的预测因子，最终进入逻辑回归建模（见图 2）。

图 2　AI 驱动的变量筛选流程：原始 307 个变量经清洗、机器学习优先级排序与逐步回归，最终「临床 + MRI」模型保留 5 个变量、「纯临床」模型保留 3 个变量。

三、核心发现：病情进展可分为两种「轨迹」

通过无监督聚类，研究者发现 LGMD R2 患者的运动功能下降可以分为两种主要类型：

快速进展型（Fast，n = 30）：三年内 NSAD 平均下降 14.4 分（±4.7）。

中速进展型（Moderate，n = 71）：三年内 NSAD 平均下降 3.8 分（±2.8）。

换句话说，同样是三年，快速进展型患者的功能损失是中速型的近四倍（见图 3）。

图 3　两种进展轨迹。(a) 快速型（红）与中速型（绿）在基线、6 个月、1/2/3 年随访时 NSAD 变化的对比；(b) 每位患者 NSAD 评分随病程的个体化轨迹。

问题 1：谁更容易快速进展？

把两组患者放在一起对比，快速进展型往往具有以下特点：

但有意思的是，从 MRI 看，快速进展组某些大腿肌肉的脂肪含量反而更低——股中间肌（17.8% vs 39.5%，p < 0.001）、股内侧肌（22.3% vs 38.2%，p = 0.036）、股薄肌（7.9% vs 11.3%，p = 0.048）、缝匠肌（10.8% vs 13.5%，p = 0.044）。这听起来有些「反直觉」：为什么肌肉看起来「还好」，病情却发展得更快？

问题 2：两种预测模型，哪个更准？

研究者建立了两个模型来判断患者是否属于快速进展型：

纯临床模型：只用病程、CK 水平、10 米步行/跑步速度等常规指标。

临床 + MRI 联合模型：在临床指标基础上，加入大腿肌肉 MRI 的脂肪含量信息。

两者的表现对比如下：

图 4　两个模型的 ROC 曲线。绿色为「临床 + MRI」联合模型（AUC = 0.91），红色为纯临床模型（AUC = 0.84）；曲线越靠近左上角，区分能力越强。

结论很明显：联合模型预测更准。这说明肌肉 MRI 能提供临床检查无法捕捉的信息，是预测病情进展的重要工具。考虑到并非所有医院都能做定量 MRI，研究者同时保留了一个仅靠临床指标的模型，方便在资源有限的中心使用。

为了让成果更实用，研究团队还开发了一个免费的在线预测工具，输入相应指标即可得到「快速 / 中速」的初步判断：

http://www.myoguide.org/tools/dysf-stage-progression-prediction/

四、这对患者意味着什么？

预测病情发展是可能的。未来医生可能根据 CK、病程、10 米步速，甚至大腿 MRI 的脂肪含量，初步判断患者的进展速度，做到「心中有数」。

帮助设计更合理的临床试验。如果试验能优先筛选「快速进展型」患者，就能在更短时间内观察到药物效果，提高试验效率——这对罕见病新药研发尤为关键。

为患者提供更个性化的康复计划。知道自己可能处于快速进展期，患者可以更早开始康复训练、使用辅助设备、调整生活方式。

五、研究的局限性

只纳入了仍能行走的患者，无法预测坐轮椅之后的病情变化。

定量 MRI 并非所有医院都能开展，联合模型的推广受到设备限制。

属于研究阶段的探索性模型，仍需在更多独立患者群体中验证其准确性。

结语：希望在前方

罕见病的科研进展常被认为「太慢、太小、太远」。但这项研究告诉我们，借助大数据、人工智能与影像学技术，我们已经开始能够把 LGMD R2 看得更清、走得更稳。

「我们正在努力，让不确定性变得可控，让未来不再那么模糊。」

参考文献

Bolano-Diaz CF, Verdu-Diaz J, Hao D, et al. Identification of prognostic biomarkers in a large cohort of patients with LGMD R2. J Neurol 2026;273:344.

撰稿：衷画画

审核：罗苏珊