西安医学院第一附属医院孙超教授、河北医科大学第三医院南月敏教授

编者按：岁末迎新，我们回望耕耘与收获，亦眺望未来的无限可能。在慢性乙型肝炎相关肝细胞癌风险防控研究不断精进的时代背景下，全球与中国学者正携手推进患者进展风险精准评估、分层管理与早期干预的新征程。

作为《国际肝病》2025 年度盘点特别专题的重要板块，本期聚焦慢性乙型肝炎患者向肝细胞癌进展的风险评估模型突破，我们特别邀请到西安医学院第一附属医院孙超教授、河北医科大学第三医院南月敏教授以年度回顾与前瞻的视角，系统梳理2025年该领域的五项重要研究成果，深入解析蛋白质组学标志物、瞬时弹性成像技术、人工智能影像分析及性别特异性风险分层等维度的创新应用，并展望多模态融合、动态风险评估与个体化干预的未来趋势，为慢性乙型肝炎患者的精准管理提供前沿参考。

肝细胞癌是全球第六大常见恶性肿瘤，也是癌症相关死亡的第三大原因[1]。在中国，HBV感染是导致HCC的主要病因，约50%-60%的HCC病例可归因于慢性HBV感染[2]。尽管抗病毒治疗显著降低了HCC的发生进展风险，但即使在接受规范抗病毒治疗的患者中，仍有相当一部分人群面临罹患HCC的威胁[3]。因此，建立准确、可靠的风险评估模型，对CHB患者进行精准分层管理，是当前肝病研究领域的重要课题。

近年随着多组学技术的发展、人工智能在医学影像领域的广泛应用以及大型前瞻性队列研究的深入，HCC风险评估模型的研究取得了重要突破。笔者将系统梳理本年度发表的五项重要研究成果，从蛋白质组学标志物、无创肝纤维化评估、性别特异性预测模型以及人工智能影像分析等多个维度，全面呈现该领域的最新进展。

— PART. 01 —
基于蛋白质组学的铁死亡相关预后模型

近年来，蛋白质组学技术在肿瘤研究中的应用日益广泛。2025年，Cheng等[4]在Briefings in Bioinformatics发表了一项基于铁死亡和铁代谢蛋白质组学的HBV相关HCC预后框架研究，为HCC风险分层提供了新的分子标志物。

该研究利用CHCC-HBV队列（包含158例HBV相关HCC患者，经筛选后最终纳入147例样本用于预后模型构建）的蛋白质组学数据，结合早期HBV-HCC队列（100例）和Xing等HCC队列（152例）进行外部验证。研究者通过差异表达分析和LASSO-Cox回归，筛选出7个与铁死亡和铁代谢相关的差异表达蛋白，包括GSTZ1、PEBP1、STMN1、AKR1C4、FTH1、ACSL3和G6PD，构建了基于蛋白质表达的预后模型。

研究结果显示，该模型在训练队列中的C-index为0.723，可将患者分为高风险组（n=53）和低风险组（n=94）。Kaplan-Meier生存分析表明，高风险组的总体生存率显著低于低风险组（P=1.389×10-7，HR=4.22，95%CI：2.36-7.54）。在外部验证队列中，该模型同样表现良好：早期HBV-HCC队列的1年、2年、3年AUC分别为0.888、0.782和0.595；Xing等队列的1-3年AUC范围为0.680-0.715。

进一步分析发现，FTH1（铁蛋白重链1）在肿瘤组织中呈现独特的mRNA-蛋白表达差异模式：mRNA水平上调而蛋白水平下调。研究者提出，肿瘤组织通过下调FTH1蛋白表达（而非上调FTH1 mRNA表达）破坏铁稳态，进而诱发铁死亡，最终推动肝癌进展并导致不良预后。这一发现不仅深化了对HCC分子机制的理解，也为靶向治疗提供了新的潜在靶点。

— PART. 02 —
整合aMAP评分与肝脏硬度测量的HCC预测模型

肝脏硬度测量（LS）通过振动控制瞬时弹性成像（VCTE）技术实现，是评估肝纤维化的无创手段。2025年，Chon等[5]在Clinical Gastroenterology and Hepatology发表了一项多中心研究，评估了aMAP评分联合LS测量预测CHB患者发生HCC风险的价值。

该研究纳入944例接受初始抗病毒治疗的韩国CHB患者，中位随访时间为68.9个月。研究期间，共有49例（5.2%）患者发生HCC。研究者构建了两种联合模型：aMAP-LSM-advanced fibrosis（aMLaf）和aMAP-LSM-cirrhosis（aMLc）。多因素Cox回归分析显示，aMAP评分（HR=1.16，95% CI：1.09-1.24）、aMLaf评分（HR=1.08，95%CI：1.03-1.13）和aMLc评分（HR=1.06，95%CI：1.03-1.09）均为HCC发生的独立预测因素。

在预测性能方面，aMLaf和aMLc模型在5年随访时的AUC均为0.82（95%CI；0.79-0.85），显著优于传统的PAGE-B模型（AUC=0.74，P＜0.05）和改良PAGE-B模型（AUC=0.75，P＜0.05）。值得注意的是，在aMLaf低风险组中，随访期间未发生任何HCC病例，进一步在包含61例初治患者的香港队列中进行了外部验证，Harrell's c-index和iAUC值均超过0.80，证实了模型的稳健性。

— PART. 03 —
基于瞬时弹性成像的LEAST预测模型

针对中国大陆CHB患者的特点，笔者团队Song等[6]于2025年在BMC Medicine发表了基于多中心数据的LEAST（肝硬度、年龄、白蛋白、性别、血小板）预测模型。该模型以LSM为核心指标，结合年龄、白蛋白、性别和血小板计数，构建了适用于中国人群的HCC风险预测工具。

研究采用回顾性队列设计，纳入713例CHB患者，按3:1比例随机分为推导队列（534例）和内部验证队列（179例）。此外，研究还整合了两个独立的外部验证队列，分别来自福建医科大学孟超肝胆病医院（1084例）以及北京地坛医院、南京鼓楼医院和郑州大学第一附属医院（623例）。中位随访时间为57个月，推导队列和内部验证队列的HCC发生率分别为8.99%和10.06%。

LEAST模型在推导队列中的C-index为0.859（95%CI：0.810-0.908），时间依赖性AUC在3年、5年和8年随访时分别为0.838（95%CI：0.752-0.925）、0.898（95%CI：0.851-0.944）和0.907（95%CI：0.856-0.959）。在内部验证队列中，相应时间点的AUC分别为0.822（95%CI：0.738-0.907）、0.813（95%CI：0.729-0.897）和0.826（95%CI：0.723-0.928）。外部验证队列同样证实模型具备良好的区分度和校准度，其中外部验证队列1（EV-1）的C-index为0.807（95%CI：0.772-0.842），外部验证队列2（EV-2）的C-index为0.905（95%CI：0.862-0.948）。

与既往模型（REAL-B、mREACH-B、AGED、LSM-HCC和mPAGE-B等）相比，LEAST模型在3年、5年和8年随访时的AUC数值均为最高。研究者指出，在强效抗病毒治疗（如恩替卡韦、替诺福韦）时代，长期治疗可能改变CHB感染的自然病程，降低病毒载量相关因素（如HBV DNA载量、HBeAg状态）的预后意义，而LSM作为肝纤维化负荷的定量替代指标，能更准确地捕捉HCC进展风险。

— PART. 04 —
整合CT影像组学和深度学习的aMAP-CT模型

人工智能技术在医学影像分析中的应用为HCC风险预测开辟了新途径。2025年，Fan等[7]在Journal of Clinical and Translational Hepatology发表了一项全国性多中心研究，开发了整合肝脏和脾脏CT影像特征的aMAP-CT预测模型。

该研究基于PreCar前瞻性肝硬化队列，纳入2411例患者（训练队列809例、验证队列348例、测试队列1254例），中位随访时间为42.7个月。91.5%的患者为HBV相关肝硬化，随访期间118例（4.9%）发生HCC，3年累积发病率为3.59%。研究者利用nnU-Net进行肝脏和脾脏自动分割（Dice系数分别为0.974和0.979），并提取放射组学特征（PyRadiomics）和深度学习特征（ResNet-18），通过LASSO回归筛选最优参数，最终构建了aMAP-CT联合模型。

aMAP-CT模型在各队列中均表现出优异的预测性能：训练队列、验证队列和测试队列的AUC分别为0.869、0.809和0.815，显著优于单纯aMAP模型。以0.37为最佳截断值，该模型可将患者分为高风险组（3年HCC累积发病率：20.3%-39.1%）和低风险组（1.4%-2.8%），风险比达12.3（95%CI：5.8-26.0）。研究者还进一步提出分步应用策略：首先使用aMAP评分进行初筛，再对中高风险患者进行aMAP-CT评估。该方法可将7%的人群识别为超高风险组（3年HCC发病率27.2%），同时将93%的人群归为低风险组（发病率1.8%），实现资源的优化配置。

— PART. 05 —
女性HBsAg携带者HCC风险预测模型

性别差异在HCC发生进展中具有重要影响。2025年，Cao等[8]在Journal of the National Cancer Center发表了首个专门针对女性HBsAg携带者的HCC风险预测模型研究，填补了该领域的空白。

该研究纳入7080例女性HBsAg携带者作为推导队列（来自中国七个肝癌高发农村地区），2069例作为验证队列（来自江苏省启东市）。中位随访时间分别为3.69年和5.42年，HCC发生率分别为2.08%和2.17%。通过LASSO回归和Cox比例风险模型，研究者构建了包含年龄、AFP、白蛋白、ALT和血小板计数的HCCF模型，以及额外纳入肝硬化因素的HCCF-Enhanced模型。HCCF模型在推导队列中的AUC为0.82（95%CI:0.78-0.86），10折交叉验证结果为0.81（95%CI：0.77-0.85）；HCCF-Enhanced模型的AUC为0.85（95%CI：0.81-0.89）。在验证队列中，两模型的AUC分别为0.83（95%CI：0.77-0.89）和0.88（95%CI：0.83-0.92）。以7分为截断值，HCCF模型可识别32.80%的高风险人群，Youden指数为47.79%，敏感性79.59%，特异性68.20%。

与传统AFP联合超声筛查策略相比，HCCF模型联合超声可检出125例HCC患者，敏感性达85.03%，特异性84.12%，显著优于AFP+超声（检出88例，敏感性59.86%）。该模型为女性HBsAg携带者的精准筛查提供了实用工具。

— PART. 06 —
讨论与展望

2025年发表的上述五项研究从不同角度推动了CHB患者HCC风险评估模型的发展。Cheng等的研究首次将铁死亡相关蛋白质组学标志物应用于HCC预后预测，揭示了FTH1 mRNA-蛋白表达不一致的生物学意义，为理解HCC分子机制提供了新视角。Chon等和Song等的研究均强调了LSM在HCC风险分层中的核心价值，特别是在抗病毒治疗背景下，LSM因其能够反映残余纤维化负荷，优于传统病毒学指标。

Fan等的研究展示了人工智能技术在HCC风险预测中的巨大潜力。通过整合肝脏和脾脏的CT影像特征，aMAP-CT模型不仅提高了预测准确性，还实现了可视化、可解释的风险评估。脾脏作为免疫器官，其影像特征可能反映全身免疫状态和门脉高压程度，这一发现为后续研究提供了新方向。Cao等的研究则填补了女性特异性预测模型的空白，强调了性别分层在HCC风险评估中的重要性。

展望未来，HCC风险评估模型的发展将呈现以下趋势：一是多模态融合，整合临床指标、影像学特征、组学数据和人工智能算法，构建更为精准的预测模型；二是动态风险评估，基于纵向随访数据建立时变预测模型，实现风险状态的动态监测；三是个体化干预，根据风险分层结果制定差异化的筛查间隔和治疗策略，提高成本效益比。

总之，2025年HCC风险评估模型研究取得了重要进展，为CHB患者的精准管理提供了有力工具。随着研究的不断深入和技术的持续进步，相信未来将有更多创新模型进入临床实践，最终改善这部分患者的预后。

参考文献：

[1] Bray F, Laversanne M, Sung H, et al. Global cancer statistics 2022: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin. 2024;74(3):229-263.

[2] Shi J, Zhu L, Liu S, et al. A meta-analysis of case-control studies on the combined effect of hepatitis B and C virus infections in causing hepatocellular carcinoma in China. Br J Cancer. 2005;92(3):607-612.

[3] Singal AG, Lampertico P, Nahon P. International Liver Cancer Association (ILCA) white paper on hepatocellular carcinoma risk stratification and surveillance. J Hepatol. 2023;79(1):226-239.

[4] Cheng Z, Ren Y, Wang X, et al. A novel prognostic framework for HBV-infected hepatocellular carcinoma: insights from ferroptosis and iron metabolism proteomics. Brief Bioinform. 2025;26(3):bbaf216.

[5] Chon HY, Yim HJ, Heo SJ, et al. Enhanced prediction of hepatitis B virus-related hepatocellular carcinoma using age-male-albumin-bilirubin-platelet (aMAP) and liver stiffness assessed by vibration-controlled transient elastography. Clin Gastroenterol Hepatol. 2025. doi: 10.1016/j.cgh.2025.09.039.

[6] Song J, Li J, Ren Z, et al. LEAST as a novel prediction model of hepatocellular carcinoma development in patients with chronic hepatitis B: a multi-center study. BMC Med. 2025;23:603.

[7] Fan R, Shi YR, Chen L, et al. Hepatocellular carcinoma risk stratification for cirrhosis patients: integrating radiomics and deep learning computed tomography signatures of the liver and spleen into a clinical model. J Clin Transl Hepatol. 2025;13(9):743-753.

[8] Cao M, Cao M, Xia C, et al. Score-based prediction model for female hepatocellular carcinoma surveillance in asymptotic HBsAg carriers: a multicenter cohort study in China. J Natl Cancer Cent. 2025;5:493-500.

专家简介

孙超 教授

西安医学院第一附属医院

毕业于北京大学医学部，天津医科大学医学/理学博士。执笔以及参与4部临床指南/专家共识的编写。

ScholarGPS学者排名近5年位于全球消化学科前1.93%，肝硬化专业前0.28%，营养专业前1.04%。

研究成果被EASL发布的临床实践指南引用，营养不良论著被New England Journal of Medicine（影响因子96.3）和JAMA（影响因子55）引用。

以通讯作者在Clinical Nutrition、Briefings in Bioinformatics、Liver International、Cell Death & Disease等杂志发表SCI文章百余篇，他引2102次，h指数25。

中国营养学会高级会员，CNSLD第五届全国委员，中国人体健康科技促进会门脉高压专委会委员，天津市互联网医学科普协会肝病学专委会副主任委员。

SCI期刊JCTH编委、Gastroenterology Report编委、高起点新刊eGastroenterology首届青年编委。

南月敏 教授

河北医科大学第三医院

河北医科大学第三医院 中西医结合肝病科主任

主任医师，教授，博士生导师

河北省高端人才

享受国务院特殊津贴专家

中华医学会肝病学分会主任委员

中国肝炎防治基金会第六届理事会副理事长

中国民族医药学会传染病学分会副会长

中国中西医结合医师协会第一届肝病专家委员会副主任委员

中国抗癌协会肿瘤代谢委员会第一、第二届副主任委员

中国医疗保健国际交流促进会肝胆病学分会副主任委员

海峡两岸医药卫生交流协会肝病学分会副主任委员

河北省医学会理事会理事

河北省医学会肝病学分会第一、第二届主任委员

河北省医师协会肝病学分会第一届主任委员

河北省中西医结合学会肝病专家委员会第三届主任委员

河北省免疫学会感染免疫专家委员会第一届主任委员

中华肝脏病杂志副总编辑/中华临床感染病杂志副总编辑

Therapeutic Advances in Chronic Disease (Hepatology) 副主编

（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。