新型机器学习模型精准预测慢性乙肝治愈后肝脏相关并发症风险

建中康康 2024-09-02 19:44:38

近日,韩国首尔大学医学院 Jeong-Hoon Lee教授团队在慢性乙型肝炎(乙肝)功能性治愈后肝脏相关结局(LROs)风险的预测方面取得了突破性进展。团队开发出了一种名为“PLAN-B-CURE”的新型机器学习模型,该模型能够显著提升对肝脏相关结局风险的预测准确性,为患者提供更加个性化的监测策略。相关研究在线发表于肝病学权威杂志Journal of Hepatology。

PLAN-B-CURE模型的开发和应用,标志着在慢性乙肝管理领域迈出了重要一步。该模型不仅提高了预测的准确性,还为患者的长期管理提供了科学依据,有望在未来成为慢性乙肝功能性治愈后管理的重要辅助工具。

文章重要图表摘要 (DOI: 10.1016/j.jhep.2024.08.016)

乙肝表面抗原(HBsAg)清除后,患者仍面临肝细胞癌(HCC)和肝功能失代偿的风险。本项研究旨在开发和验证一种机器学习模型,以预测HBsAg清除后肝脏相关结局的发生风险,包括HCC、肝功能失代偿和肝脏相关死亡。

研究团队从韩国6个中心和中国香港的1个全地区数据库中纳入了4,787名在2000年至2022年间实现HBsAg清除的连续患者。这些患者被分为训练组(n=944)、内部验证组(n=1,102)和外部验证组(n=2,741)。研究团队开发了3种基于机器学习的预测模型,并在各组中进行了比较。最终,采用梯度提升算法和7个变量(年龄、性别、糖尿病、饮酒量、肝硬化、血清白蛋白和血小板计数)构建的PLAN-B-CURE模型在训练组中表现出最佳的预测性能。

PLAN-B-CURE模型在预测准确性上显著优于以往的HCC预测模型。在训练组中,该模型的C指数为0.82(传统模型为0.63-0.70),受试者工作特征曲线(ROC)下面积为0.86(传统模型为0.62-0.72),精确召回曲线(PRC)下面积为0.53(传统模型为0.13-0.29),所有比较均具有统计学意义(P<0.01)。此外,该模型在校准功能上也表现出色,并在内部验证和外部验证组中得到了重复验证。

根据PLAN-B-CURE模型预测的风险,患者被分为低风险组、中风险组和高风险组。研究发现,低风险组患者的5年肝脏相关结局发生率显著低于其他组别,表明该模型能够有效区分不同风险级别的患者。

Jeong-Hoon Lee教授表示,PLAN-B-CURE新型机器学习模型的问世,将有望为慢性乙肝患者功能性治愈后的监测提供了更为精准的工具。通过个性化评估患者的肝脏相关结局风险,医生可以制定更加针对性的随访计划,从而提高患者的生存质量和预后。随着该模型的进一步推广和应用,相信将为更多乙肝患者带来福音。

原文链接:

Moon Haeng Hur, Terry Cheuk-Fung Yip, Seung Up Kim, et al. A machine learning model to predict liver-related outcomes after the functional cure of chronic hepatitis B. J Hepatol. Articles in Press. August 30, 2024

0 阅读:23