术前和术后机器学习模型以及基于点的评分方法，用于预测切除的大肝细胞癌早期复发的风险

《European Journal of Surgical Oncology》：PRE AND POSTOPERATIVE MACHINE LEARNING MODELS AND POINT-BASED SCORES TO PREDICT RISK OF EARLY RECURRENCE IN UPFRONT RESECTED LARGE HEPATOCELLULAR CARCINOMA

肝细胞癌≥5cm术后早期复发预测模型开发及验证。本研究纳入12中心2015-2021年724例初次手术患者，构建逻辑回归和随机森林等机器学习模型，结果显示逻辑回归与随机森林模型在术前（0.678 vs 0.685）和术后（0.720 vs 0.719）均表现优异。通过两个评分系统将患者分为低（15%）、中（31%）和高（45%）复发风险组，有效分层生存预后。研究为临床提供实用工具，指导围术期治疗优化。

　　

Fabio Giannone|Thibaut Goetsch|Gianluca Cassese|Antonio Cubisino|Emanuele Felli|Federica Cipriani|Bruno Branciforte|Rami Rhaiem|Alessandro Tropea|Edoardo Maria Muttillo|Andrea Scarinci|Bader Al Taweel|Raffaele Brustia|Ephrem Salame|Daniele Sommacale|Salvatore Gruttadauria|Tullio Piardi|Gian Luca Grazi|Guido Torzilli|Luca Aldrighetti|Patrick Pessaux

意大利亚历山德里亚市SS. Antonio e Biagio e Cesare Arrigo医院-大学附属医院肝胆胰肿瘤与机器人外科部门

摘要

背景

大肝细胞癌（LHCC）是一种侵袭性肿瘤，其早期复发（ER）的风险很高。尽管存在多种预测LHCC复发风险的模型，但没有一种模型专门针对直径≥5厘米的肿瘤。本研究的目的是开发能够识别具有这种复发模式患者的经典模型和机器学习（ML）模型。

方法

对12个肝胆外科中心的数据进行了回顾性、多中心分析。仅纳入了术前切除的LHCC病例。早期复发定义为切除后8个月内出现复发。训练并比较了逻辑回归（LR）、弹性网络（Elastic Net）、决策树（Decision Tree）、k最近邻（k-nearest neighbors）、随机森林（Random Forest，RF）和极端梯度提升（Extreme Gradient Boosting）等模型，并通过c统计量进行评估。

结果

2016年至2022年间，共有724名患者符合纳入标准。其中225名（31.1%）患者发生了早期复发。在五种机器学习模型中，随机森林模型在预测早期复发方面表现最佳（术前和术后c统计量分别为0.685和0.719）。逻辑回归模型在术前（c统计量0.678）和术后（c统计量0.720）的准确率与随机森林模型相当。因此，该模型被用于构建基于分数的评估系统，根据复发风险将患者分为低风险、中等风险和高风险三组（术前评分对应的复发率分别为15%、31%和45%；术后评分分别为17%、40%和63%）。这两种评分系统均能准确分层患者的总体生存率和死亡风险（p <0.001）。

结论

开发出了两种易于使用的基于分数的评估系统，能够预测早期复发风险。这些系统可方便地应用于临床实践，帮助确定适合接受围手术期治疗的患者（https://thibaut-goetsch.shinyapps.io/lhcc_score_preop 和 https://thibaut-goetsch.shinyapps.io/lhcc_score_postop）。

研究片段

引言

肝细胞癌（HCC）是最常见的原发性肝脏肿瘤，全球每年新发病例超过70万例。1, 2, 3 除了众所周知的不良预后外，这种疾病的严重性还在于其社会决定因素，其中酒精摄入和代谢综合征是导致其发病的主要原因。4, 5 目前有多种根治性治疗方案，包括肝脏移植、手术切除和经皮消融，具体选择取决于患者的具体情况。

研究设计与数据收集

本研究收集了2015年1月至2021年12月期间，在意大利、法国和韩国的12个肝胆外科中心前瞻性收集的、因HCC（直径≥5厘米）接受根治性手术的患者数据。排除标准包括：i) 因复发性HCC而接受手术的患者；ii) 诊断时被判定为不可切除的患者；iii) 接受术前局部或全身治疗或辅助治疗的患者；iv) 有肝外疾病史的患者。

一般特征

在纳入的724名患者中，566名为男性，中位年龄为68岁（四分位数范围：59-73岁）。225名（31.1%）患者发生了早期复发，亚洲和欧洲患者之间的差异显著（分别为41.2%和27.8%，p=0.001）。在临床变量方面，这些患者的BMI较低（p=0.007），年龄更年轻（p <0.001），且既往HBV感染率较高（p=0.007）。在术后8个月内复发的患者具有...

讨论

医学领域已经开发出了多种预测模型，特别是在外科手术场景中，这些模型被广泛用于预测术后和肿瘤学结果，以个性化治疗方案。36, 37 肝外科医生也在HCC患者中应用这些统计工具，既使用适用于所有手术候选人的通用模型，也使用针对特定亚组的定制模型。

结论

最终开发出了两种易于使用的基于分数的评估系统，其预测早期复发的能力优于传统的机器学习模型。这些模型能够有效分层HCC术后早期复发的风险，并可广泛应用于临床实践。此外，这两种评分系统还能准确预测患者的总体生存率。因此，本研究的结果为这些肿瘤的个性化医疗奠定了基础，有助于指导高风险患者的围手术期治疗实施并优化治疗效果。

作者声明

概念构思：FG, TG, GC, FP, PP 方法设计：FG, TG, FP, PP 验证：FG, TG, FP, PP 形式分析：FG, TG; 数据调查：FG, TG, GC 资源协调：FG, GC, AC, EF, FC, BB, RR, AT, EMM, AS, BA, RB 数据整理：FG, GC, AC, EF, FC, BB, RR, AT, EMM, AS, BA, RB 文稿撰写：FG, TG, FP, PP 审稿与编辑：所有作者 可视化制作：所有作者 监督：FP, PP 所有作者均对本研究做出了重要贡献。

资金支持

作者声明在撰写本手稿过程中未接受任何资金、资助或其他形式的支持。

利益冲突声明

无。