基于人工智能的常规血液检测新特征谱：肝细胞癌早期筛查的突破性发现

本研究针对肝细胞癌(HCC)筛查中甲胎蛋白(aFP)敏感性不足的临床困境，创新性地通过香港医院管理局大数据平台分析223,862例慢性肝病(CLD)患者（含31,149例HCC）的常规血液检测数据。研究发现HCC患者具有独特的血液特征谱：肝功能异常（ALT/ALP/AST升高）、全身炎症（淋巴细胞减少）、凝血障碍（PT/APTT延长）及恶病质表现（白蛋白/尿素降低），30/32指标差异显著（P<0.05）。该成果为开发AI驱动的无创筛查技术奠定基础，有望突破现有超声联合aFP的检测瓶颈。

　　

肝细胞癌(HCC)是全球癌症死亡的第三大原因，但早期诊断率长期不足50%。当前金标准——超声联合甲胎蛋白(aFP)检测存在明显局限：超声敏感性仅47-63%，aFP对早期HCC的检出率仅39-64%。更棘手的是，新兴生物标志物如AFP-L3、DCP等因检测成本高昂难以普及。这种困境在代谢相关肝病激增的背景下愈发严峻，亟需开发普惠性强的新型筛查工具。

香港医院管理局的研究团队独辟蹊径，将目光投向临床最普及的常规血液检测。通过分析2000-2018年间223,862例患者数据（含31,149例HCC），研究人员发现HCC会引发独特的"血液指纹"：肝功能指标中，丙氨酸转氨酶(ALT)、碱性磷酸酶(ALP)、天冬氨酸转氨酶(AST)和胆红素显著升高，而白蛋白明显降低；凝血方面，凝血酶原时间(PT)和国际标准化比值(INR)延长；炎症指标呈现淋巴细胞绝对值下降（1.1 vs 1.2×10⁹
/L）而单核细胞升高；营养代谢相关指标如尿素（5.6 vs 6 mmol/L）和肌酐（83 vs 87 μmol/L）显著降低。这些变化在Mann-Whitney U检验中30/32指标达统计学显著（P<0.05），且多数指标虽在正常参考范围内，但差异模式具有特征性。

研究采用三大关键技术：1）基于ICD-9-CM编码从香港医院管理局数据协作实验室(HADCL)筛选患者，建立75,096人最终队列（HCC:CLD=1:2.82）；2）通过Python 3.7.6进行数据归一化处理，采用MWU检验比较中位数差异；3）构建标准化中位数图谱，显示HCC组ALP（127 vs 97 U/L）、AST（81 vs 51 U/L）等指标的显著偏移。值得注意的是，即使在校正肝硬化干扰的亚组分析中，这种特征谱依然稳定存在，只是随Child-Pugh分级升高差异幅度减小。

在结果呈现方面：
• 数据特征：HCC患者79.2%为男性，显著高于CLD组（59.7%），年龄中位数65岁略高
• 肝功能标志：AST在HCC组超标率达58%（中位数81 U/L），而CLD组仅28%（51 U/L）
• 凝血特征：PT延长1.2秒（12.8 vs 11.7秒）提示合成功能障碍
• 炎症模式：淋巴细胞绝对值降低0.1×10⁹
/L伴随RDW升高（14.7% vs 14%）
• 代谢改变：尿素降低0.4 mmol/L反映蛋白质分解代谢加剧

讨论部分指出，这种多维度血液特征反映了HCC的病理生理本质：肿瘤微环境引发的肝实质损伤、全身炎症反应、凝血-纤溶系统失衡及癌症相关恶病质。相比GALAD评分等现有模型，常规血液检测具有三大优势：1) 检测成本仅为传统方法的1/10；2) 可覆盖病毒性和非病毒性HCC；3) 适合大规模人群筛查。研究者特别强调，15/32的差异指标虽在正常范围内，但通过机器学习解析组合模式可提升早期检出率。

该研究发表于《ESMO Gastrointestinal Oncology》，为AI辅助HCC筛查提供了关键生物学基础。未来通过深度学习整合这32维血液特征，有望开发出敏感性>90%的筛查工具，改写当前依赖影像学和专科检测的HCC早诊格局。特别是在资源有限地区，这种"一滴血筛查"策略可实现高危人群的广覆盖，将5年生存率从晚期患者的3.5%提升至早期患者的37.6%，具有重大公共卫生价值。