一个简单的在线计算器可检测临床并发症高风险的肝硬化患者

(资料图片仅供参考)

CeMM、维也纳医科大学 (MedUni Vienna) 和路德维希玻尔兹曼罕见病和未确诊疾病研究所 (LBI-RUD) 的研究人员共同努力，利用他们在机器学习和肝硬化患者管理方面的专业知识开发一种非侵入性的该算法可以帮助临床医生识别严重并发症风险最高的肝硬化患者。

肝硬化是对肝脏反复损伤的反应，例如脂肪肝或病毒性肝炎。最初，肝硬化大多无症状，因此，早期识别严重并发症的危险因素代表了未满足的临床需求。

肝硬化有两个临床阶段：代偿期和失代偿期。代偿期肝硬化患者很少甚至没有症状。然而，患者可能会发展为失代偿期肝硬化，发生严重并发症，例如内部(静脉曲张)出血或腹部积液(腹水)，甚至可能导致死亡。

不幸的是，目前对代偿期肝硬化患者失代偿风险的测量需要侵入性操作。即，肝静脉压力梯度(HVPG)的测量。升高的 HVPG ≥10 mmHg 与更高的并发症概率相关。HVPG ≥16 mmHg 的患者面临肝功能失代偿的迫在眉睫的风险。

在 CeMM 的 Stefan Kubicek 小组的第一作者 Jiri Reinis 和 MedUni Vienna、CeMM 和 LBI-RUD 的 Thomas Reiberger 小组的 Oleksandr Petrenko 的一项研究中，机器学习模型接受了从代偿性肝硬化患者获得的血液测试参数的训练，以检测升高的门静脉压力水平，从而识别那些有发生临床并发症风险的人。该研究现已发表在《肝病学杂志》上。

预测的最佳临床参数

该项目中使用的关键数据源来自正在进行的维也纳肝硬化研究，该研究在维也纳总医院的 MedUni Vienna 胃肠病学和肝病学部进行。在这项研究中，对 163 名代偿期肝硬化患者进行了 HVPG 测量，这些患者同时获得了血液样本，以确定 124 种生物标志物的范围。

在整套临床变量中，计算确定了用于检测高危患者的三个和五个最佳参数。在 VICIS 患者队列中，该模型在识别 HVPG 值分别≥10 mmHg 和 ≥16 mmHg 的患者方面表现出色。

关键词：