编辑推荐：
患者人口统计学驱动的标准肝体积（SLV）模型被广泛用于估算个体化的肝脏代谢需求，并辅助肝切除术后未来肝残余（Future Liver Remnant, FLR）的评估。这类公式依赖体重、身高、体表面积（Body Surface Area, BSA）等人体测量变
患者人口统计学驱动的标准肝体积（SLV）模型被广泛用于估算个体化的肝脏代谢需求，并辅助肝切除术后未来肝残余（Future Liver Remnant, FLR）的评估。这类公式依赖体重、身高、体表面积（Body Surface Area, BSA）等人体测量变量，但其对个体患者的准确度仍不确定。在一项探索性单中心研究中，研究人员以CT衍生的肝体积为解剖学参考标准，对100例正常肝脏患者应用Bland–Altman分析，评估了10个已发表SLV公式及1个内部多元回归模型。平均百分比偏倚介于?20%至+11%，仅4–32%的病例预测误差在±5%以内，各模型的95%一致性界限（Limits of Agreement, LOA）均较宽，围绕平均偏倚跨度为±25%至±36%。由于百分比偏倚相对于实测体积表达，LOA宽度几乎完全由校准决定（与有符号平均偏倚相关系数r=0.99）。去除该缩放效应后，10个已发表公式不可区分，校准调整后LOA为±31.3%至±32.7%（均值±32.0%，SD 0.40）。以单一乘性常数（0.924至1.282）重新缩放各公式，使平均偏倚降至+1.2%至+3.6%，LOA收敛至±32.4%至±33.1%，最差校准公式在±10%内的患者比例从13%升至54%；同时重拟合斜率与截距无进一步改善。内部模型采用5个预测因子在本队列内拟合，达±29.4%，是唯一低于该下限的设定。在该探索性单中心队列中，预测误差在观测范围内较宽且不与预测肝体积相关。SLV的局限似在于人口统计学预测因子而非参考测量。因此未来工作应聚焦捕获体型之外信息的预测因子，如身体成分或肝功能指标。
研究背景方面，肝体积测量在肝病学与外科规划中具关键作用，大范围肝切除是原发与转移性肝脏恶性肿瘤根治治疗的基石。标准肝体积（SLV）作为反映特定患者肝脏代谢需求的基础参数，自Kawasaki等于1992年提出以来，Urata、Heinemann、Vauthey等先后基于体表面积（BSA）建立了针对不同人群的预测公式。在活体供肝移植中，SLV用于判定移植物充足性与供者安全，术后结局取决于未来肝残余（FLR）功能，不足FLR与术后肝衰竭密切相关；当前指南推荐正常肝FLR/TLV≥20–25%、脂肪变或化疗损伤肝≥30%、肝硬化≥40%。现有SLV模型多依赖R2等群体相关性指标，缺乏个体准确度与误差分布报告，且多数未明确适用人口学边界，亦缺独立验证集。研究人员指出，低估SLV可致残余肝量不足、高估则致过度保守决策，故需以解剖学参考标准系统刻画已发表公式的准确度与精度。
研究人员开展了一项探索性单中心研究，以CT衍生肝体积为参考，纳入135例白人Ⅱ期肺癌、影像肝脏正常且未经肝胆治疗患者（100例训练、35例测试），评估10个已发表SLV公式与1个内部多元回归模型。结论显示：各已发表公式平均百分比偏倚?20.3%至+11.3%，95%LOA半宽±25.3%至±35.5%；校准调整后LOA集中于±32.0%左右，差异仅源于单一乘性校准因子；内部五预测因子模型校准调整LOA±29.4%，测试队列±29.8%偏倚+5.4%；误差不随预测体积变化，局限在人口学预测因子本身。该结论提示仅凭人体测量变量无法突破约±32%精度地板，对FLR/TLV阈值判断可致个体患者跨临界误分类，意义在于将SLV研究重心从公式重拟合转向身体成分与肝功能等超越体型的预测因子。
主要关键技术方法如下：研究人员回顾性提取本机构2015–2016年Ⅱ期肺癌患者全腹或全身PET/CT中肝脏完整显像且无局灶病变、无纤维化/肝硬化、无肝胆手术史的白人亚组（135例，训练100/测试35）；以商业AI分割平台（Contour ProtégéAI+, MIM 7.3.7）自动勾画含主肝内血管的肝脏轮廓，由认证放射科医师确认，作为参考标准；对10个文献公式直接套用，对内部模型分四层候选结构（体型单变量、加性人体测量、尺寸项函数形式、体重×性别交互）以200次五折交叉验证择优；性能以Bland–Altman分析给出平均百分比偏倚、平均绝对百分比偏倚、95%LOA半宽及±5/±10/±20%内占比；并将百分比偏倚分解为校准与精度两部分，以中位实测/预测比作单一乘性重校准，以OLS重拟合斜率截距作对照。
研究结果部分，3.1节给出135例患者人口学特征（体重42.8–137.8 kg、身高144–191 cm、BSA 1.40–2.63 m2、年龄33–96岁）。3.2节Bland–Altman分析显示10公式平均偏倚Chan ?20.3%至Heinemann +11.3%，LOA半宽±25.3%–±35.5%，无模型±10%内占比超56%，Chan虽LOA最窄（±25.3%）但因最大负偏倚致仅13%在±10%内，Lin与Vauthey-BSA综合较优。3.3节单变量关联中肝体积与体重、BSA最强，次为身高、性别，年龄负相关。3.4节模型选择经交叉验证RMSE，含体重、身高、性别、年龄及体重×性别交互模型最优（207.9 mL），嵌套F检验支持身高加入（p=0.010）与交互项（p<0.001），年龄边际显著（p=0.051）。3.5节最终模型给出男女分层方程，VIF无共线问题。3.6节临床性能评估中，内部模型平均偏倚+1.8%、MAPB 11%、LOA±29.9%、58%在±10%内；10公式校准调整LOA±31.3%–±32.7%，单一常数重缩放后偏倚+1.2%–+3.6%、LOA±32.4%–±33.1%，Chan在±10%内由13%升至54%；内部模型校准调整LOA±29.4%为唯一低于地板者。3.7节测试队列35例内部模型偏倚+5.4%、LOA?19.0%至+29.8%、RMSE 183.9 mL、r=0.898，性能与训练集一致而非更优。
讨论部分研究人员强调，已发表公式在去除偏倚–LOA伪相关后精度不可区分，差异仅为校准常数，Lin/Vauthey-BSA/Poovathumkadavil排名反映其对北美白人队列的校准匹配而非固有精度；内部模型以5因子获±29.4%仅微破地板，不提议临床应用。局限包括单中心白人、中老年肺癌伴“影像正常”非“移植健康”、CT含血管分割惯例异于部分源研究（如Heinemann尸检）、AI分割不纠错预测因子本身。结论翻译为：在本探索性数据局限内，已发表人口学SLV公式与内部模型均未达到个体患者级一致性以满足残余肝决策；残差不精而非校准是人口学肝体积测量之限制因素；因各模型LOA±25%–±36%可使真实FLR/TLV 25%被算作19%或36%而跨20–25%/30%/40%指南阈，AI分割提速不直接改善SLV建模；未来应纳入身体成分与肝功能等超越体型信息之预测因子。
