基于CART模型的多灶性肝内胆管癌肝切除术前风险分层：一项多中心研究

肝内胆管癌(ICC)多灶性病变的手术预后评估缺乏可靠模型，临床决策困难。福建医科大学孟超肝胆医院团队通过多中心回顾性研究，纳入283例接受肝切除的多灶性ICC患者，利用分类回归树(CART)模型整合肿瘤分布、数量、大小及CA19-9水平，将患者分为低、中、高三个风险组，预测效能(AUC 0.728)显著优于现有诺模图。该研究为个体化手术方案制定提供了直观工具。

　　

肝内胆管癌(Intrahepatic Cholangiocarcinoma, ICC)作为仅次于肝细胞癌的第二大原发性肝脏恶性肿瘤，近年来全球发病率持续攀升。更令人担忧的是，约20%的患者初诊时即表现为多灶性病变，这类患者往往面临更差的预后——5年总体生存率(Overall Survival, OS)不足20%。虽然手术切除是目前唯一可能实现治愈的手段，但如何筛选真正能从手术中获益的多灶性ICC患者，却成为困扰临床医生的难题。

问题的核心在于现有分期系统的局限性。美国癌症联合委员会(AJCC)第8版TNM分期将多灶性ICC统一归为T2期，既未考虑肿瘤数量、分布的差异，也未设定具体的肿瘤大小截断值。类似问题也存在于日本肝癌研究组、Okabayashi等分期系统中。相比之下，肝细胞癌(HCC)的分期系统对多灶性病变有着更精细的划分，如采用5cm作为肿瘤大小的分界点。这种标准化的缺失导致相同分期的多灶性ICC患者可能出现截然不同的生存结局，严重影响了手术决策的准确性。

为破解这一临床困境，福建医科大学孟超肝胆医院联合多家医疗中心开展了一项开创性研究。研究团队创新性地将机器学习中的分类回归树(Classification and Regression Tree, CART)模型引入多灶性ICC的预后评估，相关成果发表于《European Journal of Surgical Oncology》。这项研究通过分析283例接受根治性切除的多灶性ICC患者数据，首次建立了针对该亚群的特异性预测模型。

研究采用多中心回顾性设计，纳入2008-2020年间经病理确诊、术前完成影像学评估的多灶性ICC患者。通过5折交叉验证优化模型，最终确定的预测变量包括：肿瘤是否累及双叶(Bilobar)、最大肿瘤直径(>6cm为界)、肿瘤数量(>2个为界)以及CA19-9水平(>37 U/mL为界)。CART模型通过决策树算法自动识别最优分割点，避免了传统统计模型对线性关系的假设限制。

研究结果呈现三大关键发现：

1. 预后影响因素：双叶分布、最大肿瘤>6cm、肿瘤数>2个及CA19-9>37 U/mL被确认为独立危险因素，其中双叶分布与CA19-9升高的组合预后最差。
2. 风险分层效能：模型将患者分为三类：低危组(单叶≤2个且≤6cm)中位OS达37.5个月，5年OS率25.6%；高危组(双叶+CA19-9升高)中位OS仅11.2个月，5年OS率为0%。
3. 模型比较优势：CART模型的时变AUC(0.711)显著优于Wang诺模图(0.644)和Hyder诺模图(0.618)，且决策树结构更便于临床直接应用。

讨论与展望部分指出，该研究首次实现了多灶性ICC的客观风险量化。模型创新性地融合解剖学特征(肿瘤分布)与生物学标志物(CA19-9)，克服了AJCC分期仅依赖解剖因素的局限。特别值得注意的是，对于同时具备双叶分布和高CA19-9的患者，研究建议谨慎评估手术指征，这类患者可能更需要系统性治疗而非局部切除。

这项研究的临床价值在于其"可视化"决策特性——通过树状图直观展示分层逻辑，使外科医生能快速评估手术获益概率。未来需通过前瞻性多中心研究进一步验证，并探索将循环肿瘤DNA等新型标志物纳入模型优化的可能性。作为首个针对多灶性ICC的CART模型，该研究为实现精准外科决策迈出了关键一步，也为AJCC分期系统的修订提供了重要循证依据。