基于随机生存森林的肝细胞癌动态早期生存预测模型：阿替利珠单抗联合贝伐珠单抗治疗的纵向深度学习分析

阿替利珠单抗(Atezolizumab)联合贝伐珠单抗(Bevacizumab)已成为不可切除肝细胞癌(uHCC)一线标准疗法，但患者生存期预测仍具挑战。研究人员通过GO30140和IMbrave150试验数据，开发了DynSurv-HCC动态生存预测模型。该模型采用随机生存森林(RSF)算法，在训练集中6/12/24个月预测AUC达0.93/0.91/0.91，验证集6个月AUC为0.90，且不受病因或基线甲胎蛋白(AFP)水平影响，为个体化治疗提供精准预后工具。

　　

这项突破性研究构建了名为DynSurv-HCC的动态预测模型，专门用于评估接受"免疫+抗血管"组合疗法（阿替利珠单抗Atezolizumab+贝伐珠单抗Bevacizumab）的不可切除肝细胞癌(uHCC)患者的生存预后。研究团队巧妙融合了深度学习与随机生存森林(RSF)算法，通过对GO30140和IMbrave150两大临床试验数据的深度挖掘，成功打造出这个具有时间动态预测能力的智能系统。

令人振奋的是，该模型展现出惊人的预测精度：在训练队列中，其对6个月、12个月和24个月总体生存期的预测曲线下面积(AUC)分别达到0.93、0.91和0.91，验证集6个月AUC也高达0.90。更值得关注的是，无论患者肝癌病因是乙肝病毒(HBV)感染、丙肝病毒(HCV)感染还是酒精性肝病，也不论基线甲胎蛋白(AFP)水平高低，模型均保持稳定可靠的预测性能。

这项研究为肿瘤精准医疗提供了创新性工具，使得临床医生能够像"天气预报"般动态预判患者生存轨迹，及时调整治疗策略。特别是模型对AFP这一经典肿瘤标志物的"脱依赖"特性，暗示其可能捕捉到传统生物标志物未能反映的深层预后特征，为肝癌异质性研究开辟了新视角。