乙肝導(dǎo)致的肝衰竭治療無理想預(yù)后模型

HBV是慢性肝衰竭（ACLF）的主要原因之一，其主要特征是肝功能迅速惡化，短期死亡率較高。

在中國(guó)，HBV相關(guān)的ACLF（HBV-ACLF）占整個(gè)ACLF病例的80％以上，如果不進(jìn)行有效治療（例如移植），將導(dǎo)致很高的死亡率（60-80％）。

肝移植目前是HBV-ACLF最有效的治療選擇。但是，由于肝臟捐贈(zèng)者的短缺和一些社會(huì)經(jīng)濟(jì)問題，肝臟移植受到了限制。為了降低HBV-ACLF的死亡率，準(zhǔn)確地識(shí)別預(yù)后較差的患者是至關(guān)重要的，以便讓其從有限的肝供體中分配器官，盡早接受治療。

目前，實(shí)際上還沒有理想的模型可以預(yù)測(cè)HBV-ACLF患者的短期預(yù)后。目前已經(jīng)擁有MELD-Na模型，用來預(yù)測(cè)患者預(yù)后ACLF，然而，由于有限的預(yù)測(cè)準(zhǔn)確性，這些評(píng)分系統(tǒng)仍然不能令人滿意。因此，目前臨床迫切需要更準(zhǔn)確的預(yù)后模型。

人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型相關(guān)研究

目前的重點(diǎn)是要結(jié)合更多臨床的重要參數(shù)來構(gòu)建預(yù)測(cè)ACLF短期死亡率的模型。

人工神經(jīng)網(wǎng)絡(luò)（ANN）已被廣泛用于管理非線性復(fù)雜生物系統(tǒng)。例如，ANN模型已被用于預(yù)測(cè)早期肝細(xì)胞癌的肝切除術(shù)后存活率，下肢大截肢后2型糖尿病的院內(nèi)死亡率，成神經(jīng)細(xì)胞瘤患者的預(yù)后和腰椎后路融合心臟并發(fā)癥患者的預(yù)后。據(jù)透露，該人工神經(jīng)網(wǎng)絡(luò)模型比多重邏輯回歸更準(zhǔn)確和多元線性判別分析模型。

來自首都醫(yī)科大學(xué)的研究人員利用了這個(gè)方法在BMC Gastroenterol上發(fā)文，開發(fā)了一套通過人工神經(jīng)網(wǎng)絡(luò)（ANN）系統(tǒng)預(yù)測(cè)乙型肝炎病毒（HBV）相關(guān)的慢性慢性肝衰竭（HBV-ACLF）的28天和90天死亡率的預(yù)后模型。

研究回顧性分析了684例HBV-ACLF患者。423個(gè)案例用于訓(xùn)練和構(gòu)建ANN模型，其余261個(gè)案例用于驗(yàn)證已建立的模型。通過單因素分析確定與死亡率相關(guān)的預(yù)測(cè)因素，然后將其納入ANN模型以預(yù)測(cè)死亡率的預(yù)后。與當(dāng)前各種預(yù)測(cè)模型相比，使用接收器工作特征（ROC）曲線分析來評(píng)估ANN模型的預(yù)測(cè)性能。

人工神經(jīng)網(wǎng)絡(luò)模型可有效預(yù)測(cè)

結(jié)果顯示，在ANN訓(xùn)練過程找到具有統(tǒng)計(jì)學(xué)差異或具有重要臨床特征的變量， 8個(gè)獨(dú)立的危險(xiǎn)因素，包括年齡，肝性腦病，血清鈉，凝血酶原活性，γ-谷氨酰轉(zhuǎn)移酶，乙型肝炎e抗原，堿性磷酸酶和總膽紅素，最終通過這些建立ANN模型。

對(duì)于訓(xùn)練隊(duì)列和驗(yàn)證隊(duì)列，無論是28天死亡率還是90天死亡率，該模型的預(yù)測(cè)準(zhǔn)確性顯著高于針對(duì)終末期肝病MELD，MELD-Na，慢性肝功能衰竭-ACLF（CLIF-ACLF）和Child-Turcotte-Pugh（CTP）的模型。

在這項(xiàng)研究中，建立了預(yù)測(cè)模型，然后在來自不同中心的不同隊(duì)列中進(jìn)行了交叉驗(yàn)證。這確保了所構(gòu)建的模型可以獨(dú)立有效地進(jìn)行驗(yàn)證。

通過不斷歸納演繹的過程，人工神經(jīng)網(wǎng)絡(luò)可以減少由新數(shù)據(jù)集引起的錯(cuò)誤，建立的ANN模型可以更準(zhǔn)確地為每位患者提供了28天和90天死亡風(fēng)險(xiǎn)的準(zhǔn)確預(yù)測(cè)值。

研究人員還認(rèn)為，人工神經(jīng)網(wǎng)絡(luò)在快速，準(zhǔn)確地管理非線性復(fù)雜生物系統(tǒng)方面具有明顯的優(yōu)勢(shì)。在即將到來的“大數(shù)據(jù)”時(shí)代，可以從各個(gè)醫(yī)療中心共享有關(guān)HBV-ACLF患者病例的大量臨床數(shù)據(jù)，而足夠的相關(guān)變量和大樣本量將使ANN模型更加精準(zhǔn)。

參考文獻(xiàn)：Artificial neural network-based models used for predicting 28- and 90-day mortality of patients with hepatitis B-associated acute-on-chronic liver failure