J Hepatol：预测慢性乙型肝炎功能性治愈后肝脏相关结局的机器学习模型

慢性乙型肝炎（CHB），是由乙型肝炎病毒（HBV）引发，并且持续感染超过6个月的疾病。这种疾病常常引发不同程度的肝脏炎症、坏死和（或）肝纤维化。CHB感染是一个重大的全球公共卫生问题，因为它是世界上最流行的慢性病毒感染，影响约3亿人。在乙型肝炎表面抗原(HBsAg)血清清除后，肝细胞癌(HCC)和肝功能失代偿的风险持续存在。

这项研究开发并验证了一个机器学习模型来预测HBsAg血清清除后肝脏相关结局(LROs)的风险。从韩国的6个中心和香港的一个全港性数据库(包括培训(n=944)、内部验证(n=1102)和外部验证(n=2741)队列)中，共纳入了4787例在2000-2022年达到HBsAg血清清除的连续患者。研究人员开发了3个基于机器学习的模型，并在每个队列中进行了比较。主要结局是发生任何LRO(包括HCC、失代偿和肝脏相关死亡)。

在55.2个月(四分位距=30.1 ~ 92.3)的中位随访期间，韩国队列证实了123个LROs(1.1%/人-年)。使用梯度提升算法和7个变量(年龄、性别、糖尿病、饮酒、肝硬化、白蛋白和血小板计数)构建训练队列中预测性能最好的模型作为最终模型(指定为PLAN-B-CURE)。与以往的HCC预测模型相比，PLAN-B-CURE在训练队列中的准确性显著提高。PLAN-B-CURE具有可靠的校准函数(Hosmer-Lemeshow检验P>0.05)，这些结果在内部和外部验证队列中均得到重现。

这项研究开发并验证了一个新的机器学习模型来预测CHB功能性治愈后LRO的风险。使用7个变量，该模型可以精确预测HBsAg血清清除后LRO的风险。即使在CHB功能性治愈后，存在糖尿病、大量饮酒等LRO危险因素的患者也需要密切监测和积极干预。虽然需要在独立的多国队列中进行进一步的外部验证，但PLAN-B-CURE可能利用7个现成的临床因素，根据患者的危险分层为个性化监测策略提供证据。

原始出处：

Hur MH, Yip TC, Kim SU, Lee HW, Lee HA, Lee HC, Wong GL, Wong VW, Park JY, Ahn SH, Kim BK, Kim HY, Seo YS, Shin H, Park J, Ko Y, Park Y, Lee YB, Yu SJ, Lee SH, Kim YJ, Yoon JH, Lee JH. A machine learning model to predict liver-related outcomes after the functional cure of chronic hepatitis B. J Hepatol. 2024 Aug 30:S0168-8278(24)02494-2. doi: 10.1016/j.jhep.2024.08.016. Epub ahead of print. PMID: 39218223.