虽然脑脊液分析可以常规诊断神经系统疾病，但它主要用于区分感染性、自身免疫性炎症和中枢神经系统退行性疾病。由于中枢神经系统的病理生理学变化反映在脑脊液中，其分析与放射学，（神经）生理学和神经心理学检查相结合，有助于神经疾病的诊断。然而，脑脊液参数，如总细胞计数、乳酸、葡萄糖商、血-脑脊液屏障完整性、总蛋白和鞘内免疫球蛋白（Ig）合成，只能对感染性，自身免疫性和退行性中枢神经系统疾病。流式细胞术的多维细胞外周血和脑脊液特征是否能够支持临床相似疾病实体之间更精细的区分尚不清楚。

Catharina C Gross等通过调查神经炎症、退行性和血管疾病患者，在外周血和脑脊液中确定了不同的细胞参数，这些参数可以改善神经疾病的分类，并提供对共同和不同病理生理过程的见解。

研究方法和总结

Catharina C Gross等为了研究多维细胞血液和脑脊液特征是否能够支持临床类似神经疾病的诊断，分析了546例自身免疫性神经炎症、退行性变或血管疾病患者。通过将特征选择与降维和机器学习方法相结合，确定了在所有自身免疫性神经炎性中枢神经系统疾病中改变的泛疾病参数，并将其与其他神经疾病和亚分化中枢神经系统变异的自身免疫分类相区别自身免疫。

识别表征CNS神经炎症的泛疾病参数

上图所示为具有不同神经炎症疾病特征的自身免疫间分类。（A）通过logistic回归确定的浆细胞发生和鞘内IgG合成的预测准确性和AUC，用于区分早期RRM，包括放射或临床孤立综合征（RIS/CIS）与NMOSD（黄色三角形）、Susac综合征（SuS，粉红色三角形）和AIE（蓝色三角形）。（B）综合评分（左上角）通过添加浆细胞阳性率（=1）和鞘内IgG合成（=1）得出，允许发现队列中RRMS患者从NMOSD、Susac综合征和AIE患者中分化（右上角），截止值为1.5，由ROC分析（左上角）确定，AUC为84.0，OR为18.9。在验证队列中验证了自身免疫分类，显示分类的优势比为35.8（左下）。（C）自身免疫间分类器，将RRMS与其他神经炎症性自身免疫疾病区分开来。

上图描述了RRMS疾病演变和活动的因素。 热图显示了相对变化，点图显示了非炎症性疾病患者以及发现队列中放射或临床孤立综合征（RIS/CIS，黄色三角形，n=26）或RRMS患者之间泛自身免疫和内部自身免疫分类的折叠变化（早期，浅红色三角形，n=125）和36个月后（>36 M，深红色三角形，n=45）的疾病表现。参数标签提供了有关相应隔间（外周血或脑脊液）的信息。（B）火山图表示RRMS患者（无活动，n = 48）和（活动，n = 142）4小时内的临床和/或放射性疾病活动 腰椎穿刺前周。

该研究证明了多维脑脊液分析在疾病谱（如多发性硬化症）内神经疾病和内表型分类中的作用，并对个体化治疗产生了影响。未来的研究包括更详细的细胞（B/T细胞亚群）和额外的可溶性参数，如干扰素-γ、肿瘤坏死因子-α、淀粉样蛋白-β、神经丝轻链、CXCL13和增殖诱导配体，通过最先进的深度学习技术进行分析，可能进一步改善鉴别诊断。识别具有潜在较低影响大小的其他鉴别参数需要更大的队列，尤其是患有NMOSD和Susac综合征等孤儿疾病的患者。此外，纳入额外的神经系统疾病可能会揭示有助于鉴别诊断的进一步参数。来自超过10-20年的纵向研究的额外数据可能确定从复发缓解到继发性进行性多发性硬化或其他中枢神经系统炎性疾病进展的参数。免疫信号的个体模式和优势类型不仅揭示了与不同疾病相关的隔间特异性变化的新见解，而且还揭示了其潜在的发病机制。因此，个体免疫特征可用于选择最适合使免疫谱正常化的治疗方案，从而潜在地减少不良事件并提高治疗效果。

总的来说，该研究发现血液和脑脊液参数的综合分析提高了神经系统疾病的鉴别诊断，从而促进了早期治疗决策。

原文出处

Classification of neurological diseases using multi-dimensional CSF analysis, Brain, Volume 144, Issue 9, September 2021, Pages 2625–2634, https://doi.org/10.1093/brain/awab147