CD161流式细胞术对活动性肺结核诊断效能的评价

作者：张雅曦; 张明霞; 杨倩婷; 孟娟; 余志勇; 陈骑^*

来源：国际检验医学杂志, 2023, 44(12): 1421-1424.

DOI：10.3969/j.issn.1673-4130.2023.12.003

• 活动性肺结核
• 流式细胞术
• CD161
• 深度学习网络模型

目的 探讨以淋巴细胞表面分子CD161为标识的流式细胞术对活动性肺结核的诊断价值。方法 回顾性研究2020年4—12月在该院住院的活动性肺结核患者268例，其中痰涂片结果为阳性的患者170例作为涂阳组，3次或以上痰涂片结果未见结核分枝杆菌(TB)的患者98例为涂阴组。另选取该院的体检健康者138例为对照组。采用流式细胞术检测各组淋巴细胞、单核细胞和CD161阳性淋巴细胞比例。基于流式细胞术建立深度学习网络模型对活动性肺结核进行诊断，并与GeneXpert、TB-DNA、酶联免疫斑点(Elispot)试验的诊断效能进行比较。结果 各组淋巴细胞、单核细胞和CD161阳性淋巴细胞比例及OR比较，差异有统计学意义(P<0.05);GeneXpert、TB-DNA、痰培养、Elispot在涂阳患者中的检出率分别为87.65%、81.18%、60.00%、85.29%,深度学习网络模型在涂阳结核、涂阴结核患者中的检出率分别为77.05%、71.42%;深度学习网络模型鉴别涂阳组和对照组的受试者工作特征曲线下面积(AUC)为0.87(95%CI 0.84～0.91),准确率为0.82,灵敏度为0.77,特异度为0.84,鉴别涂阴组和对照组的AUC为0.79(95%CI 0.73～0.85),准确率为0.71,灵敏度为0.71,特异度为0.84。结论 以CD161为标识的流式细胞术结合深度学习网络模型可为辅助诊断活动性肺结核提供新的方向，特别是在涂阴活动性肺结核的诊断中，并对指导临床抗结核治疗用药及预测活动性肺结核复发有参考价值。

• 单位
  深圳市第三人民医院