编者按

慢加急性肝衰竭（ACLF）病情急骤、异质性强，短期病死率高，精准风险分层与早期失代偿预警始终是临床痛点。AASLD 2026年会聚焦“机制驱动分型”与“数据驱动预测”的融合趋势。本刊特邀南开大学第一附属医院/天津市人民医院韩涛教授，精选两项代表性研究进行热评。这组研究映射出重症肝病风险管理的两条并行路径，从不同维度推动了重症肝病的精准化管理。

研究一
TNF-α增强的预后模型可改善酒精相关慢加急性肝衰竭的风险分层
2015 - Improving risk stratification in alcohol-associated ACLF through TNF-α-augmented prognostic models

研究背景

慢加急性肝衰竭（ACLF）病死率高，常由酒精性肝炎（AH）或感染诱发。诱发事件在ACLF病程中的作用以及已有预后评分的适用性尚未完全阐明，但其对治疗靶点和未来临床试验设计具有重要影响。本研究旨在探讨生物标志物对合并或不合并感染的AH相关ACLF病死率的预测价值。

研究方法

纳入来自CANONIC、PREDICT和ACLARA研究的785例AH患者，ACLF依据EASL-CLIF和A-TANGO标准定义。比较基线特征、器官衰竭和累积发生率。采用AUC、Brier评分和交叉验证评估预后评分及细胞因子增强模型的预测性能，并使用DeLong检验进行比较。AH和感染状态由主治医师确认，该项生物标志物研究具有一定的探索性。

研究结果

除EASL-CLIF定义外，还应用A-TANGO定义评估AH-ACLF，分别识别出239例和316例患者。AH-ACLF与肝脏衰竭（61.1%）和凝血衰竭（42.7%）的高发生率相关。46%的患者合并感染；与无感染的AH-ACLF患者相比，合并感染者肌酐（1.2 vs 1.7 mg/dL；P=0.01）和CRP水平（31 vs 47 mg/L；P<0.001）更高。这些患者循环衰竭（9 vs. 25%；P=0.001）和脑衰竭（16 vs 27%；P=0.026）发生率也更高。总体28天病死率为42.2%；在EASL-CLIF定义的ACLF中，合并感染者显著高于无感染者（53.6% vs 33.4%；P=0.002）。竞争风险多因素回归分析发现，TNF-α为独立死亡预测因子。将TNF-α加入已有预后评分（如CLIF-C OF和ACLF），可显著提高已有预后模型的AUC；如CLIF-C ACLF + TNF-α + 白蛋白模型的AUC从0.699提高至0.778（P=0.007）。在无感染患者中，TNF-α改善预后模型AUC的幅度更大，如CLIF-C ACLF + TNF-α + 白蛋白从0.747提高至0.899（P=0.003）。此外，这些发现在依据A-TANGO定义诊断为ACLF的患者中亦得到确认。

研究结论

纳入TNF-α可改善AH-ACLF的预后区分能力，尤其是在无感染患者中。TNF-α作为AH相关ACLF风险分层的生物标志物，应在独立队列中进行验证。总之，上述发现在临床应用前还需要进行外部验证，支持未来试验设计时采用表型特异性的策略。

研究点评

酒精性肝病是ACLF常见的病因之一，感染是常见的诱发因素及并发症。该项研究比较了AH相关ACLF是否合并感染，两者之间临床特征与预后的差异，再次印证了感染是引起ACLF进展及预后不良的重要因素。通过多因素分析发现TNF-α是独立死亡预测因子，将TNF-α引入既有预后评分（如CLIF-C ACLF），可有效提升预测性能，尤其是对于没有感染的患者更加明显。

AH相关ACLF其肠源性内毒素经TLR4-NF-κB等通路，引起TNF-α等细胞因子的大量释放以及严重的系统性炎症反应，从而导致器官功能障碍及衰竭。因此，在经典ACLF预后模型基础上，引入TNF-α这一反映系统炎症反应的生物标志物，有助于提高模型的预测性能。该项研究还发现，在无感染亚组中AUC的跃升更为明显，提示无感染时，TNF-α更能反映酒精性肝炎本身所驱动的系统炎症反应。

ACLF具有复杂的异质性，即使是病因相同（如AH），不同的诱发因素（如是否合并感染），尤其是不同的病理生理学特征（如系统性炎症反应程度），其预后可能会存在差异。该项研究的贡献不在于增加TNF-α指标，而在于表明除临床表型外，结合反映ACLF发病机制的生物标志物可能更有助于患者诊治的精准分层，也为未来开展临床研究提供一定的参考。

该项研究具有一定的局限性，如摘要中没有提供TNF-α采集时间等更多信息，也无与其他生物标志物的动态评估比较。上述研究结论仍需要开展前瞻性、多中心、大样本的临床队列进行验证。

研究二
开发及外部验证RE-AD评分：一种用于预测代偿期进展性慢性肝病急性失代偿的机器学习工具
2017 - Development and external validation of the RE-AD score: a Machine Learning tool for acute decompensation prediction in compensated Advanced Chronic Liver Disease.

研究背景

代偿期进展性慢性肝病（cACLD）患者一旦出现急性失代偿（AD）、慢加急性肝衰竭（ACLF），病死率明显增加。多数现有预后评分主要包含非急性失代偿（NAD）组分，对准确预测短期AD具有一定挑战。本研究旨在利用机器学习模型开发急性失代偿的风险评估（RE-AD）评分并进行外部验证，以预测 cACLD患者12个月内发生AD的风险。

研究方法

该项多中心回顾性队列研究连续纳入2017年1月至2024年12月维罗纳大学医院和维也纳大学医院的cACLD患者。随访12个月，或直至发生AD。合并队列（n=1440）用于模型开发，采用LOOCV和LASSO特征选择的正则化机器学习技术。利用帕多瓦大学医院110例患者的独立队列进行外部验证。从区分度、校准度和临床实用性方面评估模型性能。将RE-AD评分与FIB-4、APRI、MELD、Child-Pugh、ALBI、RESIST-HCV、ANTICIPATE ± NASH、Baveno VII标准、SAVE现有预后评分进行比较。外部队列采用Platt scaling进行事后重校准，以校正基线风险差异。

研究结果

总体而言，1,550例患者中有81例（5.2%）在12个月内发生AD。RE-AD评分包含年龄、既往12个月内择期和非择期住院次数及需抗生素治疗的感染发作次数、血清白蛋白和INR。内部验证时，RE-AD表现出良好的区分度（AUC 0.818，95% CI 0.78–0.85）、可接受的校准度以及高阴性预测值（99.1%）。RE-AD的区分度在数值上高于大多数现有预后评分，但未优于ALBI和SAVE。外部验证时，RE-AD保持了优异的区分度（AUC 0.910，95% CI 0.84–0.98），排名高于所有对照评分。经Platt scaling后，初始校准度明显改善（Brier评分从0.070降至0.054）。该评分具有高敏感性（90.0%）和阴性预测值（98.9%），支持其可作为排除工具。

图1. RE-AD评分与现有预后评分的评估性能比较

（图表源自AASLD 2026大会）

研究结论

RE-AD是一种临床可解释的基于机器学习的评分，旨在预测cACLD患者短期急性失代偿，填补了现有预测工具未完全覆盖的临床空白。该评分在内部和外部队列中均保持了良好的区分度，且仅依赖常规可获得的临床变量，不同于一些需要纳入不常见评估信息（如静脉曲张）的已有评分体系（如SAVE）。这些特点支持RE-AD可用于cACLD患者的个体化风险分层和排除策略。

研究点评

AD是cACLD的重要临床事件，部分患者可出现慢加急性肝衰竭，病死率明显增加。如何预测急性失代偿的发生，一直是临床关注的热点问题。

该研究利用机器学习模型开发并外部验证患者RE-AD评分，以预测 cACLD患者12个月内发生AD的风险。RE-AD评分由年龄、既往12个月内择期和非择期住院次数及需抗生素治疗的感染发作次数、血清白蛋白和INR构成。既往研究表明，老年、多次住院、感染、白蛋白水平降低和凝血功能障碍与肝硬化急性失代偿或ACLF的发生及预后有关。RE-AD评分中的指标与既往研究具有较好的临床契合度，且临床上容易获取，便于普及。

该项研究具有一定的局限性。RE-AD评分虽然经内部及外部验证，但外部验证队列病例数相对较少。作为对比的多种预测评分具有不同的评估目的和侧重点，部分与该项研究的目的并不完全匹配。作者亦发现RE-AD的区分度虽然在数值上高于多数现有预测评分，但未优于ALBI和SAVE。而ALBI由白蛋白和胆红素构成，SAVE由肝脏硬度、白蛋白、静脉曲张、血小板构成，从而提示RE-AD评分虽然简便易行，但尚缺乏更好的反映cACLD急性失代偿及门脉高压病理生理机制的指标，一定程度上也会影响其预测性能的提升。总之，RE-AD评分简便易行，未来需要开展更深入的临床研究，进一步验证和提升其临床应用价值。

（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。