【期刊导读】陈新月/郑素军教授团队:机器学习模型预测IHC人群接受PEG IFNα治疗的HBsAg清除
2026-01-06 雨露肝霖 雨露肝霖 发表于上海
本研究开发的Light GBM模型能准确预测IHC接受聚乙二醇干扰素α治疗后的HBsAg清除,为早期识别优势人群和制定个体化治疗策略提供了新策略。
编者按
近年来,非活动性HBsAg携带状态(IHC)人群的疾病进展及抗病毒治疗备受关注,多项研究表明IHC人群可能存在显著肝组织学异常,应积极接受抗病毒治疗。
首都医科大学附属北京佑安医院陈新月、郑素军教授团队在2025年美国肝病研究协会年会(AASLD 2025)大会摘要中公布的一项研究显示:应用机器学习模型可高效、精准地预测IHC人群经48周聚乙二醇干扰素α(PEG IFNα)治疗后的HBsAg清除。近期,该研究成果在Hepatology International杂志上正式发表,结果表明:基于Light GBM的机器学习模型能够准确预测IHC人群接受PEG IFNα治疗第24周的HBsAg清除。

研究方法
这项回顾性研究纳入中国多中心“星光计划”(STARHB)队列中接受PEG IFNα治疗并至少随访24周的IHC人群。采用LASSO回归和Boruta算法筛选预测变量,并构建了包括逻辑回归(LR)、决策树(DT)和随机森林(RF)在内的9种机器学习模型。通过十折交叉验证评估模型性能,并在北京三家医疗中心的独立队列(n = 167)中进行外部验证。采用SHAP方法解释变量的贡献度。
基线特征
共纳入2882例IHC。根据治疗第24周的HBsAg清除状态,将患者分为HBsAg清除组(n = 541, 18.8%)和未清除组(n = 2341, 81.2%)。HBsAg清除组的基线HBsAg水平显著低于未清除组(8.46 vs. 136 IU/mL, p < 0.001)。
表1:第24周HBsAg清除组与未清除组的基线特征比较

研究结果
治疗第24周时,总体HBsAg清除率为18.7%(541/2,882)。关键预测因素包括:基线HBsAg水平、第12周HBsAg下降≥1 log IU/mL、第12周ALT/HBsAg比值、第12周ALT/基线HBsAg比值、第12周HBV DNA和HBsAb水平。

图1:(a)Boruta算法的特征选择;(b)训练队列中,变量的LASSO回归系数谱;(c)LASSO回归中最优参数的选择
基于训练队列(n = 2017)、内部测试队列(n = 865)和外部验证队列(n = 167),评估9种机器学习模型。Light梯度提升机(Light GBM)模型表现最佳,在训练队列中受试者工作特征曲线下面积(AUC)达0.902(95% CI 0.881 – 0.923),灵敏度为0.889。在外部验证队列中,AUC为0.917(95% CI 0.850 – 0.983),灵敏度为0.879。

图2:机器学习模型性能评估:(a-b)训练队列;(c-d)内部测试队列;(e-f)外部验证队列的受试者工作特征曲线(左)和精确-召回曲线(右)
在Light GBM模型中,SHAP分析显示,第12周ALT/HBsAg比值是主要的预测因素,其平均绝对SHAP值为0.970,远高于其他变量。基于Light GBM模型开发了一个基于网络的临床预测工具(https://starplan-mkwvj.d9gnio32eon5qqrsn.streamlit.app/)。

图3:Light GBM模型的SHAP分析:(a)SHAP汇总图;(b)特征重要性排序;(c-d)单次预测的SHAP图
研究结论
本研究开发的Light GBM模型能准确预测IHC接受聚乙二醇干扰素α治疗后的HBsAg清除,为早期识别优势人群和制定个体化治疗策略提供了新策略。
肝霖君有话说
IHC是我国慢性HBV感染的主要人群之一,其病毒学特征为HBsAg和HBV DNA持续低水平,提示其可能存在较好的免疫应答,是实现临床治愈的优势人群。多项研究证实了IHC人群接受基于聚乙二醇干扰素α治疗的HBsAg清除率超50%。本研究基于大规模真实世界队列,开发了具有高特异性的机器学习预测模型,有助于早期识别优势应答者,从而提升IHC人群的临床治愈率。能广泛且真正用于实际临床诊疗中的高效、准确的疗效预测模型仍然需要进一步的探索和验证。
参考文献:
[1] Dong JX, Ren S, Zhao J, et al. Predicting HBsAg Seroclearance After 48 Weeks of Pegylated Interferon Therapy in Inactive Carriers: A Machine Learning Approach[J]. AASLD2025, Abstracts (1194).
[2] Dong JX, Ren S, Wu PX, et al. Machine learning prediction of rapid HBsAg seroclearance at week 24 in inactive carriers treated with pegylated interferon[J]. Hepatol Int, 2025.

本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言










#HBsAg# #机器学习模型#
98 举报