1. 抗體變化率（RCR）是關鍵

• 復發患者RCR顯著高于未復發者（-2.59% vs -5.94%）。

• 臨界值：RCR＞-4.11%時需警惕復發風險。

2. MG亞型影響復發概率

• 全身型（GMG）患者復發風險是眼肌型（OMG）的2.7倍。

• 早發型（EOMG）患者復發率高達41.67%，遠超其他亞型。

3. 聯合（RCR和MG亞型）預測準確率更高

結合RCR與MG亞型的預測模型，ROC曲線的敏感性達86.2%，特異性91.7%。

研究類型：單中心回顧性隊列研究（2017-2021年）。

研究結果

1. 基線特征：

納入41例患者，中位年齡50歲，男女比例1.16:1。

MG亞型分布：

• OMG 53.66%（22例）

• GMG 46.34%（EOMG 14.63%，LOMG 12.20%，TAMG 19.51%）

2.抗體濃度與臨床相關性

• 基線AChR-Ab濃度與QMGs呈弱正相關（r=0.336,p=0.032），GMG患者濃度顯著高于OMG（p=0.03）。

• 復發組 vs 非復發組：

GMG比例更高（83.33% vs 31.03%,p=0.002），EOMG占比41.67%（p=0.002）。

中位RCR：-2.59% vs -5.94%（p=0.019）。

中位QMGs：12.00 vs 5.00（p<0.001）。

3. 預測效能分析：

• 單一指標ROC：

指標1：RCR，AUC=0.736（95%CI 0.576–0.895），臨界值為-4.11%（敏感性62.1%，特異性75%）。

指標2：AChR-Ab濃度，AUC=0.724，臨界值8.01 nmol/L。

指標3：MG亞型，AUC=0.736。

• 聯合模型ROC：

RCR+MG亞型：AUC=0.899（敏感性86.2%，特異性91.7%），顯著優于單一指標（p<0.001）。

• 擴大樣本量，開展多中心前瞻性研究驗證RCR閾值。

• 結合其他抗體亞型（如調整型、阻斷型）、抗體親和力、補體活性等指標，建立多維預測模型。

• 探索RCR指導下的階梯式治療策略（如RCR>-4%時升級治療）。

結語

這項研究為重癥肌無力的復發預警開辟了新路徑。科學監測抗體變化，結合亞型特征，有望幫助患者實現更穩定的病情控制。未來，團隊計劃開展多中心研究進一步驗證結論。

參考文獻

Tian J, et al. Relative change rate of anti-acetylcholine receptor antibodies concentration correlates with the recurrence of myasthenia gravis. Clin Chim Acta. 2025;574:120330. DOI: 10.1016/j.cca.2025.120330