乙型肝炎病毒（Hepatitis B virus,HBV）感染是重要的公共卫生问题，估计全球流行率为3.8%，影响全球约2.96亿人。慢性乙型肝炎（chronic hepatitis B,CHB）是肝脏相关并发症的重要原因之一，但使用有效核苷（酸）类似物（NAs）的治疗，如恩替卡韦（ETV）或替诺福韦（TFV），通过有效抑制HBV复制可降低其并发症和死亡风险。然而，随着病毒学和生化稳定的CHB患者预期寿命的延长，肝细胞癌（hepatocellular carcinoma,HCC）的总体发病率可能增加。近期，发表于Liver International的一项研究对此进行了探索，旨在开发并验证一种机器学习（machine learning,ML）模型，预测ETV/TFV治疗5年后CHB患者发生HCC的风险。
从两家医院中选择接受ETV/TFV治疗超过5年且在治疗前5年未被诊断为HCC的CHB患者。研究人员使用了36个变量，包括基线特征（年龄、性别、肝硬化和抗病毒药物类型）和实验室检查值（基线时、5年时和5年间的变化）来构建模型。将五种机器学习算法应用于训练数据集，并使用测试数据集进行内部验证，以及进行外部验证。
图1 流程图：研究设计和患者入组
在5-15年期间，衍生队列和外部验证队列中分别有279/5908（4.7%）和25/562（4.5%）的患者发展为HCC。在训练数据集（n=4726）中，逻辑回归分析显示出最高的曲线下面积（AUC）为0.803和平衡准确率为0.735，优于其他ML算法。结合逻辑回归和随机森林的集成模型表现最佳（AUC为0.811，平衡准确率为0.754）。测试数据集（n=1182）的结果验证了集成模型的良好性能（AUC为0.784，平衡准确率为0.712）。外部验证确认了该集成模型的预测准确性（AUC为0.862，平衡准确率为0.771）。开发了一个基于Web的计算器（http://ai-wm.khu.ac.kr/HCC/）。
研究结果表明所开发并在外部验证的ML模型（MAPL-5）很好地预测了ETV/TFV治疗5年后的HCC风险，可用于接受长期（> 5年）抗病毒治疗的CHB患者的HCC风险预测，促进基于风险分层的个体化HCC监测。
参考文献:
1.Ha Y, Lee S, Lim J, et al. A Machine Learning Model to Predict De Novo Hepatocellular Carcinoma Beyond Year 5 of Antiviral Therapy in Patients With Chronic Hepatitis B. Liver Int. 2024 Dec 18.