摘要目的 比较血液及脑脊液的细胞因子在婴儿细菌性脑膜炎(BM)与病毒性脑炎(VE)的差异性,构建早期鉴别诊断机器学习模型.方法 选择 2022年 1月-2024年 11月疑似中枢神经系统感染在宁波大学附属妇女儿童医院神经内科住院部收治的婴儿 120例为研究对象.所有患儿在入院后即刻采集静脉血及脑脊液样本,最终根据金标准分为BM组 40例、VE组 40例和非中枢神经系统感染组(NC)患儿 40例.比较三组血液和脑脊液细胞因子的差异,使用 8种机器学习训练模型,采用受试者工作特征曲线、校准曲线、决策曲线分析等指标选择最佳模型.采用SHAP方法对模型进行解释.结果 BM组血清白细胞介素-6(IL-6)水平[105.85(25.19,192.46)pg/ml]高于VE组[40.85(12.68,69.81)pg/ml]和NC组(P＜0.05),VE组高于NC组(P＜0.05),VE组血清干扰素γ(IFN-γ)为[7.29(1.66,37.37)pg/ml]高于BM组[2.21(1.12,5.65)pg/ml]和NC组(P＜0.05).BM组血清IL-17A为[1.96(0.92,4.88)pg/ml]高于NC组(P＜0.05).BM组脑脊液 IL-6、IL-10分别为[102.13(31.38,569.60)pg/ml、15.88(5.56,43.79)pg/ml]均高于VE组[21.70(9.64,40.00)pg/ml、8.50(4.10,15.05)pg/ml]和NC组(P＜0.05),VE组脑脊液IL-6、IL-10均高于 NC组(P＜0.05),VE组脑脊液 IFN-γ为[1.61(1.33,2.74)pg/ml]高于 BM组[1.13(0.30,1.75)pg/ml]和NC组(P＜0.05).基于上述指标构建的 8种机器学习模型中,梯度提升机(GBM)模型表现最好(曲线下面积为 0.938、准确度为 0.917、灵敏度为 0.917、特异度为 0.917、精确度为 0.917、F1值为 0.917).SHAP分析显示特征对模型的贡献从大到小排序为:脑脊液IL-6、血清IFN-γ、血清IL-6、脑脊液IL-10、脑脊液IFN-γ.结论 脑脊液IL-6、血清IL-6、脑脊液IL-10与婴儿BM存在相关性,血清IFN-γ、脑脊液IFN-γ与婴儿VE存在相关性,这些指标有望成为早期区分BM和VE的辅助指标.