编者按：在当今精准医疗的大背景下，人工智能与机器学习技术的融入为肝病诊疗领域带来了革命性的进步。在AASLD 2025大会上，首都医科大学附属北京佑安医院郑素军教授团队展示了他们的两项最新研究成果，不仅利用机器学习方法精准预测了非活动性HBV携带者接受聚乙二醇干扰素治疗后的HBsAg血清学清除情况，还开发了用于鉴别UGT1A1基因突变与溶血性疾病的列线图模型。这些创新模型以其高度的准确性和实用性，极大地提升了肝病诊疗的精准度与效率。本刊特邀郑素军教授在大会现场接受专访，为广大同道深度解读该两项研究的核心创新点及实践成果。我们期待这些研究成果能够在未来得到广泛应用，推动肝病诊疗领域迈向新的高度。

《国际肝病》

您团队在本届大会上报告了采用机器学习方法预测非活动性HBV携带者经聚乙二醇干扰素治疗48周后的HBsAg血清学清除。请问在模型构建时纳入了哪些关键预测变量？模型的预测准确率、敏感性和特异性如何？

郑素军教授：我们此次研究基于中国多中心真实世界“乙型肝炎临床治愈——星光计划（STARHB）”队列，共纳入777例非活动性HBsAg携带者（inactive HBsAg carriers, IHC），所有患者接受至少48周聚乙二醇干扰素（Peg-IFN）治疗。

在变量筛选方面，我们采用LASSO回归与Boruta算法双重策略，最终确定了三个最具代表性的关键预测因子：基线HBsAg水平、12周HBsAg下降＞1 log IU/mL、以及12周ALT/HBsAg比值。

这些指标反映了HBsAg负荷、早期应答速度及免疫炎症活性的动态平衡。在9种机器学习模型中，随机森林（Random Forest, RF）模型表现最佳，在训练集的AUC为0.829，在外部验证队列中AUC为0.838，特异性高达0.968。模型的可解释性通过SHAP分析得到进一步验证，结果显示基线HBsAg水平是最重要的预测因素。该模型能够在治疗12周时就准确预测48周HBsAg清除的可能性，为早期疗效评估与个体化决策提供依据。

《国际肝病》

与传统预测指标相比，机器学习模型显示出哪些优势？您如何看该预测模型的临床转化与应用价值？

郑素军教授：传统预测通常依赖单一或线性指标，如基线HBsAg或ALT升高，而机器学习模型的优势在于——第一，整合性强：可同时考虑多个维度的临床动态变量，捕捉复杂非线性关系；第二，解释性好：通过SHAP方法量化每个变量对结果的贡献，使“黑箱模型”透明化；第三，实用性高：模型仅需常规实验室指标即可实现精准预测，无需额外检测。我们已将模型转化为可在线使用的临床计算器（https://ihcmodel-atvwnnehryrkimrl8wyhy4.streamlit.app/），医生输入患者基线HBsAg、12周HBsAg及ALT数据，即可获得个体化的治愈概率评估。此外，我们还开发了简化版的“早期疗效评分系统”，帮助医生在治疗12周就识别“低应答”患者，从而避免无效干扰素疗程，实现精准停药与资源优化。

《国际肝病》

此外，您团队开发的用于鉴别UGT1A1基因突变与溶血性疾病的列线图模型引起我们的关注。能否请您介绍一下该项成果？它在精准诊断方面具有怎样的临床意义？

郑素军教授：该研究共纳入379例非结合型高胆红素血症患者，利用LASSO与多元Logistic回归筛选出四个关键指标：外周血涂片异常、血细胞比容（HCT）、红细胞分布宽度（RDW-SD）及网织红细胞百分比（Ret%）。

基于这些变量构建的列线图在训练集和验证集的AUC分别为0.99和0.96，表现出极高的区分度和一致性。

这一模型可有效区分由UGT1A1基因突变导致的遗传性高胆红素血症与溶血性疾病，为基层医生提供了一种无需基因检测即可快速判别的简便工具，具有重要的临床推广价值。

《国际肝病》

您如何看人工智能技术在肝病诊疗方面的发展趋势？基于目前研究的结果，下一步的研究计划是什么？

郑素军教授：人工智能正在重塑肝病学研究的范式。未来的发展将呈现三个方向：

一是从“变量驱动”到“多组学整合”，例如在乙肝治疗方面，可结合病毒学、免疫学与生化学数据，形成更具生物学解释的综合预测模型；二是从“单点预测”到“动态监测”，通过实时数据更新、实现疗效追踪与自适应决策；三是从“算法研究”到“临床赋能”，推动AI模型进入临床信息系统，实现个体化干预与智能决策支持。

我们团队的下一步计划是构建“24周快速HBsAg清除预测模型”，并结合患者的免疫表型分析，探索干扰素应答的免疫学基础，为“定目标、不定疗程”的功能性治愈策略提供科学依据。

原文链接：

1194 | PREDICTING HBsAg SEROCLEARANCE AFTER 48 WEEKS OF PEGYLATED INTERFERON THERAPY IN INACTIVE CARRIERS: A MACHINE LEARNING APPROACH

3642 | A NOVEL NOMOGRAM BASED ON COMMON CLINICAL INDICATORS FOR DIFFERENTIAL DIAGNOSIS OF INHERITED UNCONJUGATED HYPERBILIRUBINEMIA WITH HEMOLYTIC DISEASES

专家简介

郑素军 教授

首都医科大学附属北京佑安医院

首都医科大学附属北京佑安医院肝病中心一科主任，博士生导师

佑安肝病感染病专科医疗联盟办公室副主任

中华医学会肝病学分会肝炎学组 委员

中华预防医学会感染性疾病防控分会 常务委员

中华医学会肝病学分会遗传代谢性肝病协作组委员 秘书

中国罕见病联盟/北京罕见病诊疗与保障学会遗传性肝病分会 副主任委员

佑安肝病感染病专科医疗联盟遗传代谢性肝病专委会 主任委员

中国抗癌协会肿瘤支持治疗专业委员会/癌性肠梗阻分会 委员

中国妇幼保健协会儿童药食同源代谢干预专业委员会 常务委员

先后承担国家科技部十四五、十三五重大（点）项目子课题，国家自然科学基金、北京市自然科学基金等省部级课题10余项。

近5年以第一或通讯（包括共同）作者在Cell Death Dis，J Viral Hepat，Hepatology, Front Oncol，Front Genet等杂志发表SCI 论文25篇。

（来源：《国际肝病》编辑部）

声明：本文仅供医疗卫生专业人士了解最新医药资讯参考使用，不代表本平台观点。该信息不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议，如果该信息被用于资讯以外的目的，本站及作者不承担相关责任。