最近开发了几种风险模型来预测慢性乙型肝炎(CHB)患者发生肝细胞癌(HCC)的风险。本研究目的是开发和验证一个人工智能辅助的HCC风险预测模型。

方法：

使用梯度增强机器(GBM)算法，使用来自韩国4家医院接受恩替卡韦或替诺福韦治疗的6051例CHB患者开发模型。独立建立了两个外部验证队列：韩国（来自14个韩国中心的5817例患者）和高加索（来自11个西方中心的1640例患者）PAGE-B队列。主要结局是HCC发展。

结果

在推导队列和两个验证队列中，26.9%-50.2%的患者在基线时存在肝硬化。推导出使用基线时10个参数的模型，并显示出良好的预测性能[一致性指数（c-指数），0.79]。在韩国（c指数，0.79 vs. 0.64-0.74；所有P < 0.001）和高加索验证队列[c指数，0.81 vs. 0.57-0.79；除改良PAGE-B(P = 0.22)外，所有P < 0.05]中，该模型的区分度均显著优于既往模型（PAGE-B、改良PAGE-B、REACH-B和CU-HCC）。校准图显示了令人满意的校准函数。当患者被分为4个风险组时，最小风险组（11.2%的韩国队列和8.8%的高加索队列）在8年随访期间患HCC的风险低于0.5%。

主要结果总结如下：

1. 在韩国全国多中心队列的抗病毒治疗慢性乙型肝炎患者中，使用机器学习算法开发了一种新的HCC预测模型(PLAN-B)，并在独立的韩国和高加索队列中验证了该模型的实用性。

2. PLAN-B模型包括10个基线参数，包括是否存在肝硬化、年龄、血小板计数、使用的抗病毒药物（ETV或TDF）、性别、血清ALT水平、血清HBV DNA、白蛋白和胆红素水平以及HBeAg状态。

3. PLAN-B模型对HCC发展表现出令人满意的预测性能，并在验证中优于其他风险评分。

结论

该基于GBM的模型为接受恩替卡韦或替诺福韦治疗的韩国和高加索CHB患者的HCC风险提供了最佳预测能力。

风险评分已被开发用于预测慢性乙型肝炎患者发生肝细胞癌(HCC)的风险。我们在13508例接受抗病毒治疗的慢性乙型肝炎患者中使用机器学习算法开发并验证了一种新的风险预测模型。我们的新模型，基于10个共同的基线特征，与之前的风险评分相比，在风险分层中表现出优越的性能。该模型还确定了一组发生HCC风险极小的患者，这些患者可能适用于不太密集的HCC监测。

原文链接：https://pubmed.ncbi.nlm.nih.gov/34606915/

An artificial intelligence model to predict hepatocellular carcinoma risk in Korean and Caucasian patients with chronic hepatitis B