陈新月/郑素军教授团队：机器学习模型预测 IHC 人群接受 PEG IFNα治疗的 HBsAg 清除

来源：雨露肝霖

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（https://starplan-mkwvj.d9gnio32eon5qqrsn.streamlit.app/）。

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.