机器学习模型预测IHC人群接受长效干扰素α治疗的表面抗原清除

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。

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.