编者按
慢加急性肝衰竭（ACLF）是临床常见的严重肝病临床症候群，短期病死率高。因此，早期准确评估ACLF患者预后，对临床决策及改善患者预后具有十分重要的意义。但目前ACLF的定义仍然存在争议，特别是在其病因和非肝硬化患者的纳入方面。这种异质性导致不同的国际协会制定了各种诊断标准和预后模型，每种标准和模型都针对不同的患者群体和病因。
研究概述
研究背景
研究方法
研究结果
图1. 慢加急性肝衰竭患者30天死亡率的预测性能。(A)CBA模型预测死亡率与实际生存状态的比较。(B)RFA模型预测死亡率与实际生存状态的比较。(C)按CBA模型预测分类的慢加急性肝衰竭患者30天死亡概率。(D)按RFA模型预测分类的慢加急性肝衰竭患者30天死亡概率。
（源自APASL 2025会议）
研究结论
研究解读
《国际肝病》
ACLF患者短期死亡率高达30%-50%，现有评分系统（如SOFA、CLIF-C ACLF）在动态监测和肝病特异性指标整合方面存在不足。能否请您阐述开发CBA、RFA模型的初衷？
杨毅辉博士
我们之所以开发CBA、RFA两个模型，旨在整合不同定义下的ACLF病例，并将研究重点聚焦于入住ICU的患者。这部分患者往往病情最为危重，因此，临床迫切需要一种精准有效的评估工具，来协助医生制定科学合理的治疗方案，同时能够清晰、量化地呈现患者所面临的死亡风险程度。
在对大量文献进行深入研究后，我们发现，现有的相关风险预测评分，尤其是病情最重的加护病房病人，普遍存在准确性不佳的问题。许多评分标准只是简单地将其他领域的成熟评分体系直接套用到ACLF患者评估上，或者单纯把器官衰竭的数量加起来，没有考虑到ACLF患者的独特病理特征，缺乏应有的针对性。因此，为了填补这一空白，满足临床实际需求，我们决心开发一款专门针对ACLF患者的风险预测模型。
《国际肝病》
能否请您为我们具体介绍一下该项研究的主要成果及其亮点？
杨毅辉博士
除了数据优势外，机器学习模型还成功弥补了传统统计学方法的不足。借助复杂而先进的机器学习算法，我们通过内部和外部验证，对模型进行了反复优化和验证，确保其具备高度的准确性和可靠性。这意味着该模型在不同的临床环境和患者群体中都能够稳定地发挥作用，具有很强的可重复性。值得一提的是，在外部验证过程中，我们与来自欧洲的一个学术团队合作，结果发现双方的研究结果高度契合，这进一步证实了我们的模型在精度和准度方面都是可靠的。
此外，为了推动模型在临床实践中的广泛应用，我们专门搭建了一个简化版模型网站。医生只需输入12项指标数据，如化验结果、患者年龄等信息，模型就能迅速给出患者的30天死亡率预测值。同时，网站还会对影响死亡率的各项指标进行细致分析，用蓝色标识出那些有助于患者远离死亡风险的积极因素，并进行量化呈现；用红色标识出正在恶化、使患者更接近死亡结局的不利因素。（图二）这种直观、清晰的呈现方式，让临床医生能够快速、准确地把握患者病情，为制定科学的治疗方案提供有力支持。
《国际肝病》
您能否比较一下新模型与SOFA等现有评分系统所涵盖的临床指标有何不同？
杨毅辉博士
SOFA评分系统应用范围较为广泛，多适用于ICU患者。而且，它的开发时间相对较早，主要基于传统统计学方法构建。这种普适性的评分系统虽然在一定程度上能够对ICU患者的病情进行评估，但在针对ACLF患者时，缺乏针对性。我们研发的新模型是基于机器学习技术，专门针对ACLF患者开发的。因此，新模型针对的患者群体同质性更高，能够更精准地反映ACLF患者的病情特点和变化规律，从而为这一特定患者群体提供更具针对性、更有效的评估和预测。
《国际肝病》
未来您是否计划将组学数据（如代谢组学、炎症标志物）纳入该模型，以提升对ACLF病理机制的解析能力和治疗决策支持？
杨毅辉博士
往期推荐
APASL 2025丨陈金军教授团队“远航”项目全力探寻DPMAS治疗的最佳适应证
APASL中国之声丨郑建铭教授：核素碘-131联合人工肝血浆置换模式治疗格雷夫斯病甲亢伴严重肝损伤研究进展
APASL中国之声丨陈若蝉：聚焦慢性肝病急性加重合并感染诊断模型的创新与实践
APASL 2025丨饶慧瑛教授：乙肝治愈、MAFLD管理与女性领导力
（来源：《国际肝病》编辑部）
声明：本文仅供医疗卫生专业人士了解最新医药资讯参考使用，不代表本平台观点。该信息不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议，如果该信息被用于资讯以外的目的，本站及作者不承担相关责任。