摘要
目的 肝细胞癌(Hepatocellular Carcinoma, HCC)自发破裂(srHCC)是一种危及生命的并发症，死亡率高；然而，尚无整合性预测工具。本研究旨在开发并验证一种新型列线图(SR-HCC评分)，用于结合临床、影像学及实验室指标预测srHCC风险。方法 本回顾性队列研究纳入昆明市第三人民医院2010–2025年间的186例HCC患者，随机分为训练组(80%)和验证组(20%)。协变量包括人口学、肿瘤相关及实验室指标。通过单因素和多因素Logistic回归分析确定独立预测因素，并将其整合入列线图。模型性能通过受试者工作特征曲线(ROC)及校准曲线进行评估。结果 srHCC的关键独立预测因素包括肿瘤直径(3–5 cm和5–10 cm)、肿瘤数(2–3)、包膜突出、α-胎蛋白(AFP) ≥100 ng/mL、中度ΔALT(0–200 U/L, 逆相关)及ΔAST >200 U/L。列线图显示出优异的判别能力(AUC训练组=0.9617；验证组=0.9630)及良好校准，预测概率与实际观察高度一致。结论 SR-HCC评分是一种可靠且易用的个体化srHCC风险分层工具，可帮助临床医生优先采取预防干预并优化监测策略，尤其在医疗资源有限的环境中，最终通过预防灾难性破裂改善患者预后。
论文解读
肝细胞癌(HCC)是全球常见且致死率高的恶性肿瘤之一。在中国，HCC的新发病例位居第四，死亡率位居第二。HCC患者的死亡主要由肝功能衰竭及相关并发症引起，其中自发破裂(srHCC)是一种急性、生命威胁性的并发症，其死亡率可达25%–75%。近年来，亚洲部分地区srHCC的发生率已升至10%–15%。一旦发生破裂，早期HCC患者往往失去手术或移植等根治机会，因此早期识别高风险患者对于制定预防策略及优化随访具有重要临床意义。然而，现有研究虽发现了一些单独预测因子，如肿瘤大小或动脉强化模式，但缺乏整合的、可操作的预测模型。尤其缺乏将生化指标(如丙氨酸氨基转移酶ALT、天冬氨酸氨基转移酶AST、白蛋白ALB、α-胎蛋白AFP)、凝血功能指标(如凝血酶原时间PT)及人口学特征联合纳入统一评分体系的工具。本研究旨在弥补这一空白，开发基于临床、影像及实验室参数的SR-HCC评分列线图，以指导早期介入，如经动脉栓塞术(TAE)或手术决策，并优化监测策略，从而在资源有限的环境中帮助识别高风险患者。
研究方法方面，研究人员进行了回顾性队列分析，纳入2010–2025年间昆明市第三人民医院确诊的初发HCC患者共186例，随机分为训练组(80%)和验证组(20%)。研究变量包括人口学特征(年龄、性别)、肿瘤相关指标(肿瘤直径、肿瘤数、肝段S7/S8、包膜突出、血管侵犯、门静脉瘤栓、腹部淋巴结转移)及实验室指标(AFP、ALB、ΔALT、ΔAST、ΔPTA)。通过单因素及多因素Logistic回归筛选独立预测因子，并构建列线图模型。模型性能通过ROC曲线(AUC)评估判别力，并通过校准曲线验证预测概率与实际事件的一致性。
研究结果显示，训练组与验证组的AUC分别为0.9617和0.9630，表明模型判别能力优异。多因素分析发现，肿瘤直径为3–5 cm或5–10 cm、肿瘤数为2–3、包膜突出、AFP≥100 ng/mL、ΔALT 0–200 U/L(逆相关)及ΔAST>200 U/L是srHCC的独立风险因子。列线图将各变量得分累加，可实现个体化破裂风险预测。此外，尽管年龄、性别、血管侵犯、腹部淋巴结转移、门静脉瘤栓及ALB在多因素分析中未显著，但基于临床重要性仍被纳入模型，以提高模型的适用性及解释性。校准曲线显示模型预测概率与实际观察高度一致，表明模型可靠性较高。
讨论部分指出，SR-HCC评分的创新之处在于结合传统肿瘤指标与动态肝功能指标(ΔALT/ΔAST)，提供了强判别力和临床可操作性。模型可用于资源有限环境下的快速床旁风险分层，帮助医生识别高风险患者并优先实施预防性干预，如经动脉栓塞或择期手术，同时为中低风险患者优化个性化随访策略。此外，列线图的可视化设计增强了临床沟通及共享决策的可行性。研究局限在于单中心、回顾性设计，样本量有限，外部验证尚缺乏，部分变量估计可能存在不稳定性，未来研究可引入多中心、前瞻性队列及机器学习方法优化模型参数及外部适用性。
研究结论显示，SR-HCC评分是一种新型、稳健且易用的预测工具，通过整合传统肿瘤指标与动态肝功能变化，实现了对肝细胞癌自发破裂的个体化风险分层。其基于常规临床参数的设计，使其在资源有限的环境中具有广泛应用潜力，可指导预防干预、优化监测策略并提升共享决策效果，从而有效降低srHCC事件风险并保护患者接受根治性治疗的机会。该模型的临床价值将在未来多中心前瞻性验证后进一步巩固。
