【期刊导读】双模型精准预测 PegIFNα治疗的 HBsAg 清除率：基线筛选联合早期动态监测

医疗发现

2026-09-10 13:50:32

来源：雨露肝霖

既往研究表明基于聚乙二醇干扰素α（PegIFNα）治疗在优势人群中可实现较高 HBsAg 清除率，但如何精准识别优势人群、早期评估治疗应答仍是个体化治疗的痛点。

近期，福建医科大学附属第一医院欧启水教授团队发表相关研究，构建并验证了 2 个 HBsAg 清除预测模型：模型 1 基于基线年龄、性别及 HBsAg 水平，用于治疗前筛选优势人群；模型 2 基于治疗第 12 周 HBsAg 水平、血小板变化（ΔPLT）及 ALT/AST 变化率，用于早期疗效监测。2 个模型均表现出优异的预测效能，为临床实现 PegIFNα的精准施治提供了简便、可靠的量化工具。

研究方法

回顾性队列研究，纳入 2020 年 10 月至 2024 年 4 月期间在福建医科大学附属第一医院接受 PegIFNα治疗的 239 例慢乙肝患者。其中，175 例基线 HBsAg < 1500 IU/mL 的患者用于模型开发，另 52 例用于内部验证。外部验证队列纳入福建医科大学孟超肝胆医院接受 PegIFNα治疗的 92 例慢乙肝患者。参照队列纳入 48 例接受 NAs 治疗和 27 例未接受治疗的患者。

患者基线

HBsAg 未清除组（163 例）与 HBsAg 清除组（76 例）在基线特征上存在显著差异。与 HBsAg 未清除组相比，HBsAg 清除组的男性比例显著更低（63.2% vs. 81.6%, P = 0.0020），HBeAg 阳性率显著更低（9.2% vs. 31.9%, P = 0.0002）），HBV DNA > 500 IU/mL 比例显著更低（14.5% vs. 36.8%, P = 0.0004），HBsAg 水平显著更低（1.81 vs. 2.96 log10 IU/mL，P < 0.0001）。多数 HBsAg 清除患者基线 HBsAg < 1500 IU/mL。此外，未清除组的的红细胞压积（HCT）、血红蛋白（HGB）、ALT、ALT/AST 比值、AFP 及 L-HBs 水平均显著更高。

研究结果

模型 1：基于基线特征的预测模型

针对 175 例基线 HBsAg < 1500 IU/mL 患者，通过 LASSO 回归和多因素 Logistic 回归分析，最终建立了基于年龄、性别和 HBsAg 水平的数学模型（模型 1），并以列线图形式呈现。模型公式如下：

P = ey / (1 + ey)

其中 y = 5.987 - 性别 (男性) × 1.505 - 年龄 × 0.068 - HBsAg( log10 ) × 1.164

ROC 曲线分析显示，模型 1 的 AUC 为 0.815，灵敏度 87.32%，特异性 67.31%，准确度 78.86%，优于单个指标（性别、年龄、基线 HBsAg）。Cox 回归分析表明，模型 1 对累积 HBsAg 清除率的影响（HR = 7.05, P < 0.001）显著大于单一的 HBsAg、性别和年龄指标。这表明模型 1 能有效区分 PegIFNα治疗能否实现 HBsAg 清除的患者。

在 52 例内部验证集中，模型 1 的 AUC 为 0.804，优于性别（0.570）、年龄（0.566）和基线 HBsAg（0.759）。Cox 回归确认模型 1 和基线 HBsAg 有预测能力，且模型 1 更优。

基于基线 HBsAg、性别及年龄的模型 1 构建与效能评估

(A) LASSO 回归分析；(B) 列线图模型；(C) 模型校准曲线；(D) ROC 曲线及；(E) 模型效能对比；(F) 基于 Cox 回归分析的累积 HBsAg 清除率

模型 2：基于 12 周动态参数的预测模型

为探索早期应答预测因素，多因素 Logistic 回归筛选出 3 个独立预测因素：第 12 周 HBsAg、ΔPLT、ALT/AST 变化率。据此构建了数学模型（模型 2），并以列线图形式呈现。模型公式如下：

P = ey / (1 + ey)

其中 y = -0.766 - ΔPLT × 0.011 + ALT/AST 变化率 × 0.013 - 12 周 HBsAg( log10 ) × 1.203

模型 2 区分 HBsAg 清除的 AUC 为 0.863，优于第 12 周 HBsAg 水平（AUC = 0.830）和 ALT/qHBsAg（AUC = 0.829）。决策曲线（DCA）显示模型 2 的净获益更高。Cox 回归分析也证实模型 2 表现更优（HR = 9.69）。

基于治疗第 12 周 HBsAg、ΔPLT 及 ALT/AST 变化率的模型 2 构建与效能评估

(A) 列线图模型；(B) ROC 曲线；(C) 决策曲线分析；

(D) 基于 Cox 回归分析的累积 HBsAg 清除率

模型 1 和模型 2 的外部验证

在包含 92 例基线 HBsAg < 1500 IU/mL 患者的外部验证队列中，模型 1 和模型 2 的 AUC 分别为 0.832 和 0.912，均优于各自的单一指标（基线 HBsAg 水平 AUC = 0.768；第 12 周 HBsAg 水平 AUC = 0.890）。Cox 回归分析证实，模型 1（HR: 7.01）和模型 2（HR: 13.74）均与 HBsAg 清除显著相关。这表明两个模型在外部验证队列中均具有良好的预测性能。

PegIFNα个体化治疗路径图

肝霖君有话说

既往研究通过整合基线及动态指标构建的预测模型，为 PegIFNα治疗获 HBsAg 清除提供了重要依据。本研究紧扣临床实际需求，成功构建并验证了两个预测模型：模型 1 基于基线年龄、性别及 HBsAg 水平，旨在治疗前精准识别潜在优势人群；模型 2 纳入治疗第 12 周 HBsAg 水平、血小板变化（ΔPLT）及 ALT/AST 变化率，用于早期监测治疗应答。二者共同构成了「基线筛选—早期监测」的个体化治疗路径。经内外部验证，该模型体系区分度与校准度俱佳，为临床筛选获益人群、优化治疗决策提供了简便直观的量化工具。该模型针对 HBsAg < 1500 的人群，在更广泛人群中是否适用仍需要进一步探索，未来尚需通过大样本、长周期的前瞻性队列研究进行验证，以期持续提升预测精度，推动慢乙肝临床治愈迈向更高水平。

参考文献：

Guo Z, Pan Y, Lin L, et al. Noninvasive models for patient selection and Early response monitoring of interferon therapy for HBsAg clearance in patients with chronic hepatitis B [J]. BMC Infect Dis. 2026,26(1):1330.