近日，韩国首尔大学医学院 Jeong-Hoon Lee教授团队在慢性乙型肝炎（乙肝）功能性治愈后肝脏相关结局（LROs）风险的预测方面取得了突破性进展。团队开发出了一种名为“PLAN-B-CURE”的新型机器学习模型，该模型能够显著提升对肝脏相关结局风险的预测准确性，为患者提供更加个性化的监测策略。相关研究在线发表于肝病学权威杂志Journal of Hepatology。

PLAN-B-CURE模型的开发和应用，标志着在慢性乙肝管理领域迈出了重要一步。该模型不仅提高了预测的准确性，还为患者的长期管理提供了科学依据，有望在未来成为慢性乙肝功能性治愈后管理的重要辅助工具。

文章重要图表摘要 （DOI: 10.1016/j.jhep.2024.08.016）

乙肝表面抗原（HBsAg）清除后，患者仍面临肝细胞癌（HCC）和肝功能失代偿的风险。本项研究旨在开发和验证一种机器学习模型，以预测HBsAg清除后肝脏相关结局的发生风险，包括HCC、肝功能失代偿和肝脏相关死亡。

研究团队从韩国6个中心和中国香港的1个全地区数据库中纳入了4,787名在2000年至2022年间实现HBsAg清除的连续患者。这些患者被分为训练组（n=944）、内部验证组（n=1,102）和外部验证组（n=2,741）。研究团队开发了3种基于机器学习的预测模型，并在各组中进行了比较。最终，采用梯度提升算法和7个变量（年龄、性别、糖尿病、饮酒量、肝硬化、血清白蛋白和血小板计数）构建的PLAN-B-CURE模型在训练组中表现出最佳的预测性能。

PLAN-B-CURE模型在预测准确性上显著优于以往的HCC预测模型。在训练组中，该模型的C指数为0.82（传统模型为0.63-0.70），受试者工作特征曲线（ROC）下面积为0.86（传统模型为0.62-0.72），精确召回曲线（PRC）下面积为0.53（传统模型为0.13-0.29），所有比较均具有统计学意义（P<0.01）。此外，该模型在校准功能上也表现出色，并在内部验证和外部验证组中得到了重复验证。

根据PLAN-B-CURE模型预测的风险，患者被分为低风险组、中风险组和高风险组。研究发现，低风险组患者的5年肝脏相关结局发生率显著低于其他组别，表明该模型能够有效区分不同风险级别的患者。

Jeong-Hoon Lee教授表示，PLAN-B-CURE新型机器学习模型的问世，将有望为慢性乙肝患者功能性治愈后的监测提供了更为精准的工具。通过个性化评估患者的肝脏相关结局风险，医生可以制定更加针对性的随访计划，从而提高患者的生存质量和预后。随着该模型的进一步推广和应用，相信将为更多乙肝患者带来福音。

原文链接：

Moon Haeng Hur, Terry Cheuk-Fung Yip, Seung Up Kim, et al. A machine learning model to predict liver-related outcomes after the functional cure of chronic hepatitis B. J Hepatol. Articles in Press. August 30, 2024