编辑推荐：
研究人员构建并验证肝癌肝移植前后复发预测模型，DeepSurv 模型优于传统标准，可指导个性化诊疗。
肝癌，作为全球范围内严重威胁人类健康的 “杀手”，是第六大常见癌症，也是癌症相关死亡的第三大主因。肝移植（LT）和部分肝切除术是目前治疗肝癌的主要手段，然而，肝移植后的肿瘤复发问题却成为了困扰患者和医生的一大难题。高达 10 - 58% 的患者会在肝移植后出现复发，且 75% 的患者会在移植后的两年内复发，复发患者的中位生存期仅为 8.7 - 17 个月。这不仅严重影响了患者的生活质量和生存率，也给医疗资源带来了沉重的负担。
传统的米兰标准（Milan criteria）在肝癌肝移植患者的筛选中占据了近 30 年的 “金标准” 地位，但它过于关注肿瘤形态，忽视了患者的人口统计学特征和其他疾病特异性变量，可能会导致部分患者失去肝移植的机会。同时，现有的复发预测模型也存在着准确性和一致性不足的问题，难以满足临床需求。因此，开发一种更加精准、有效的肝癌肝移植复发预测模型迫在眉睫。
为了解决这一难题，来自首都医科大学附属北京友谊医院、北京医院、南华大学附属长沙中心医院等多家中国医疗机构的研究人员展开了一项多中心队列研究。该研究成果发表在《Scientific Reports》上，为肝癌肝移植患者的预后评估和个性化治疗带来了新的希望。
研究人员在此次研究中运用了多种关键技术方法。他们从北京朝阳医院、中南大学湘雅二医院和北京友谊医院这三个中心，回顾性收集了 466 例肝癌肝移植患者的数据。然后，利用支持向量机（SVM）、随机森林（RF）和逻辑回归（LR）等方法筛选变量。在此基础上，采用 Cox 比例风险回归、DeepSurv 等方法构建生存分析模型，同时构建包括 LR、人工神经网络（ANN）、RF 和 SVM 在内的二元分类器，还开发了堆叠集成模型。最后，使用 7 种评估指标对模型进行评估。
下面来看具体的研究结果：
- 患者特征：研究共纳入 466 例患者，平均年龄 52.7±8.8 岁，乙肝是最常见的潜在肝脏疾病。患者的术前和术后数据存在差异，中位随访时间为 51.0 个月。
- 筛选临床病理变量：从 150 个潜在因素中，依据机器学习和专业医学意见，筛选出了与复发相关的前 16 个（术前）和 17 个（术后）因素。
- 构建和评估预测复发模型：经过比较，DeepSurv 模型（DSMs）因其适应性和优于传统模型的表现被选用。术前 DSMs（pre - DSM）在训练、测试和外部验证中的 C 指数分别为 0.790±0.003、0.775±0.037、0.765±0.001 和 0.819±0.002；术后 DSMs（post - DSM）的 C 指数在相应阶段分别为 0.835±0.008、0.812±0.082、0.839±0.001 和 0.831±0.002。
- pre - DSM 风险分层及与常见标准比较：以 Youden 指数确定的 0.31429 为临界值，pre - DSM 将患者分为低风险和高风险组。低风险组 2 年无复发生存率（RFS）为 86.2%，高风险组为 40.3%。pre - DSM 在预测复发方面优于米兰标准等其他模型，可使肝移植候选人数安全增加 8.7%。
- post - DSM 风险分层及与常见标准比较：以 Youden 指数确定的 0.32606 为临界值，post - DSM 将患者分为低风险和高风险组。低风险组 2 年 RFS 为 90.1%，高风险组为 28.9%。post - DSM 在预测准确性上优于米兰标准等其他模型，能更精准识别高风险患者。
研究结论和讨论部分指出，pre - DSM 可有效增加潜在肝移植受者数量，同时不影响预后；post - DSM 能更可靠、准确地评估个体复发风险，为临床医生制定治疗方案和安排随访提供有力支持。这两个模型系统地整合了肿瘤形态、肿瘤生物学和患者状况，为人工智能辅助临床决策奠定了基础。然而，该研究也存在一定的局限性，如数据主要来自中国地区，乙肝相关肝癌患者占比较高，可能限制研究结果的普适性；不同中心的肝移植等待时间和治疗方式的影响未充分评估；研究未纳入 PIVKA - II 数据等。未来需要进一步开展国际多中心前瞻性研究，以完善和验证这些模型。
总体而言，这项研究构建的 pre - DSM 和 post - DSM 模型，在预测肝癌肝移植后的复发方面展现出强大的能力，显著优于传统模型。它们为肝癌肝移植患者的个性化诊疗提供了新的方向，有望在未来的临床实践中发挥重要作用，帮助更多患者延长生命、提高生活质量。
