藏區慢性乙型肝炎患者使用PAGE-B模型對肝細胞癌的風險預測研究

趙耕，張盈瑩，卓永，陳曉鷗

（1.天津醫科大學朱憲彝紀念醫院檢驗科，國家衛生健康委員會激素與發育重點實驗室，天津市代謝性疾病重點實驗室，天津醫科大學朱憲彝紀念醫院&天津市內分泌研究所，天津 300134；2.西藏自治區昌都市藏醫院檢驗科，昌都 854000；3.天津中醫藥大學第一附屬醫院心身科，天津 300193）

肝細胞癌（HCC）是一種嚴重的原發性肝癌，乙型肝炎病毒（HBV）感染是HCC的主要病因[1]。HBV的不斷復制及其引發的慢性炎癥，都可成為促進HCC發生和發展的獨立機制[2]。同時，我國是乙型肝炎（乙肝）流行大國，HBV攜帶者大約有1.2億[3]，西藏自治區HBV感染率為13.23%，高于全國平均水平，屬于乙肝高流行地區[4]。該地區由HBV感染引發肝癌的比例高達74.89%[5]，80%的患者在首次診斷時已屬晚期階段，因此，在藏區建立HCC預測模型、識別高危人群、進行風險評估對HCC的早發現、早治療和改善預后尤為重要，對慢性肝炎（CHB）患者發生HCC的風險分層具有重要意義。目前有REACH-B、CU-HCC、PAGE-B等幾種乙肝患者肝癌風險預測模型。研究表明，PAGE-B模型（基于患者基線年齡、性別和血小板計數）對CHB患者發生HCC、肝功能衰竭、移植或死亡等各種臨床事件的預測性能最高，受試者工作特征曲線（ROC）的曲線下面積（AUC）分別為0.86、0.91和0.83，而REACH-B[基于患者性別、年齡、血清丙氨酸氨基轉移酶（ALT）水平、乙型肝炎e抗原（HBeAg）陽性狀態和乙肝病毒脫氧核糖核酸（HBV DNA）]、CU-HCC（基于患者年齡、白蛋白、膽紅素、HBV DNA水平和肝硬化狀態）臨床事件的AUC分別為0.70、0.73和0.71，可見PAGE-B模型的預測性能明顯高于REACH-B和CU-HCC[6]。本研究即采用PAGE-B模型，驗證其在藏區對CHB患者HCC風險的預測價值，并將其準確性與傳統風險預測模型CU-HCC、REACH-B進行比較。

1 對象與方法

1.1 研究對象 選擇2014年6月—2017年3月就診于昌都市藏醫院，并接受恩替卡韋（ETV）或富馬酸替諾福韋酯（TDF）治療的HBV染患者896例。診斷標準依照中華醫學會感染病學分會和肝病學分會制定的《慢性乙型肝炎防治指南（2019年版）》[7]，隨機分為REACH-B組、CU-HCC組、PAGE-B組。

納入標準：（1）年齡≥18歲。（2）乙型肝炎表面抗原（HbsAg）和（或）HBV DNA陽性6個月以上。（3）接受ETV或TDF治療至少12個月，并能在昌都市藏醫院進行至少3～5年定期隨訪。排除標準：（1）有HCC或肝功能失代償史。（2）合并丙型肝炎或其他嚴重醫學疾病。（3）合并酒精性/非酒精性脂肪性肝病、自身免疫性肝病等其他肝臟相關疾病。（4）處于妊娠期或哺乳期。

1.2 研究方法 在基線檢查時，患者接受評估，包括完整的病史、體檢、常規生化檢查、HBsAg、HbeAg和抗體、血清HBV DNA水平、超聲檢查和甲胎蛋白（AFP）。HBsAg和HBeAg使用羅氏601全自動免疫分析儀檢測。建立資料Excel數據庫，錄入所有符合納入標準的臨床相關數據。每6個月隨訪1次，根據超聲檢查和實驗室檢查（包括AFP）評估所有患者數據。隨訪至2021年11月或確診為HCC為止。

肝硬化通過組織學診斷或超聲診斷，HCC的診斷依據《原發性肝癌診療規范（2019年 版）》[8]或經病理確診。根據研究登記時患者的臨床和實驗室參數計算3種常規HCC風險預測模型CU-HCC[9]、REACH-B[10]和PAGE-B[11]模型。CU-HCC、REACHB和PAGE-B的截止值分別為5、8和10。

2 結果

2.1 患者特征 患者的基線臨床特征如表1所示。

表1 基線臨床特征[±s，n（%）]Tab 1 Baseline clinical features[±s，n（%）]

表1 基線臨床特征[±s，n（%）]Tab 1 Baseline clinical features[±s，n（%）]

注：HbeAg：乙型肝炎e抗原；HBV DNA：乙肝病毒脫氧核糖核酸；ETV/TDF：恩替卡韋或富馬酸替諾福韋酯；CU-HCC：基于患者年齡、白蛋白、膽紅素、HBV DNA水平和肝硬化狀態的乙肝患者肝癌風險預測模型；REACH-B：基于患者性別、年齡、血丙氨酸氨基轉移酶水平、HBeAg陽性狀態和HBV DNA的乙肝患者肝癌風險預測模型；PAGE-B：基于患者基線年齡、性別和血小板計數的乙肝患者肝癌風險預測模型

指標年齡（歲）男性肝硬化實驗室變量HBeAg陽性總膽紅素（μmol/L）血清白蛋白（g/L）丙氨酸氨基轉移酶（U/L）血小板計數（109/L）HBV DNA（log IU/mL）抗病毒療法ETV/TDF風險預測模型CU-HCC REACH-B PAGE-B數值46±15 586（65.4）332（37.1）515（57.4%）153.2±14.6 38.2±3.1 141.0±15.6 123.0±13.7 6.1±1.7 608（67.9）/288（32.1）7.3（0～42.9）11.0（1～18）13.0（0～26）

2.2 HCC的累積發病率32例（3.6%）患者在39.2個月發生HCC。3年和5年的HCC累積發病率分別為2.1%和4.0%。在332例肝硬化患者中，25例發展為HCC，3年時HCC的累積發病率為6.6%，5年時為11.9%。在564例無肝硬化的患者中，7例發生了HCC，3年和5年的HCC累積發病率為0.5%和0.8%。肝硬化患者的HCC累積發病率顯著高于非肝硬化患者（χ2=21.67，P<0.05），見圖1。

圖1 肝硬化及無肝硬化患者的HCC累積發病率對比分析Fig 1 Comparison of the cumulative incidence of HCC in patients with cirrhosis and withowt cirrhosis

2.3 HCC患者與非HCC患者基線特征的比較 隨訪期間發生HCC的患者32例（3.6%），未發生HCC的患者864例（96.4%）。發生HCC患者的年齡、男性比例、肝硬化和總膽紅素顯著高于未發生HCC的患者（均P<0.05），而發生HCC患者的HBeAg陽性率、血清白蛋白和血小板計數顯著低于未發生HCC的患者（均P<0.05），見表2。

2.4 HCC發展的獨立預測因子 在表2的單變量分析中，年齡較大、男性和血小板計數較低顯著預測HCC的發生（均P<0.05）。隨后通過Logistic回歸分析進行多變量分析，結果顯示，年齡較大、男性和血小板計數較低是HCC發展的獨立預測因子（表3）。

表2 發生HCC患者與未發生HCC患者的基線特征比較[±s，n（%）]Tab 2 Comparison of baseline characteristics between patients with HCC and those without HCC[±s，n（%）]

表2 發生HCC患者與未發生HCC患者的基線特征比較[±s，n（%）]Tab 2 Comparison of baseline characteristics between patients with HCC and those without HCC[±s，n（%）]

注：HbeAg：乙型肝炎e抗原；HBV DNA：乙肝病毒脫氧核糖核酸；HCC：肝細胞癌；a：t值；b：χ2值

基線變量 發生HCC患者（n=32）未發生HCC患者（n=864）t/χ2 P年齡（歲） 53±11 46±10 4.156a＜0.001男性 23（78.1）563（60.2）0.614b 0.036肝硬化 25（85.7）307（35.3）24.00b＜0.001實驗室變量HBeAg陽性 10（31.3）505（57.1）4.391b 0.002總膽紅素（μmol/L） 230.4±20.1 72.5±6.3 13.031a 0.005血清白蛋白（g/L） 30.2±2.9 44.3±4.2 7.012a 0.043丙氨酸氨基轉移酶（U/L）188.0±20.5 145.0±13.4 0.367a 0.227血小板計數（109/L） 76.0±8.1 161±15 7.768a＜0.001 HBV DNA（log IU/mL） 5.1±1.8 5.9±1.7 0.335a 0.073

表3 影響HCC發展的多因素分析結果Tab 3 Results of multivariate analysis of influencing the development of HCC

2.5 傳統HCC風險預測模型的預測性能和PAGE-B的比較PAGE-B模型預測3年時和5年時HCC發展的AUC分別為0.783和0.807，而CUHCC模型分別為0.724、0.765，REACH-B模型分別為0.621、0.582。PAGE-B和CU-HCC的AUC在統計學上無差異（P>0.05）。而REACH-B的AUC明顯低于其他兩組風險預測模型（P<0.05），見圖2、3。當使用10的最優截止值時，PAGE-B在預測HCC發展方面顯示出最高的靈敏度（3年時為93.7%，5年時為96.3%）和陰性預測值（NPV）（3年和5年時分別為97.8%和98.6%），見表4。

圖2 PAGE-B與傳統HCC風險預測模型在預測3年發展為HCC的AUCFig 2 Page-B versus traditional HCC risk prediction models for AUC in predicting the progression of HCC at 3 years

表4 各風險預測模型的預測性能Tab 4 Prediction performance of each risk prediction model

2.6 利用風險預測模型進行風險分層 表5顯示了3年和5年的HCC累積發病率。使用CU-HCC的低危組和高危組的患者比例分別為46.9%（n=420）和53.1%（n=476），使用REACH-B的患者比例分別為12.1%（n=108）和87.9%（n=788），使用PAGE-B的患者比例分別為22.6%（n=202）和77.4%（n=694）。在CU-HCC和PAGE-B模型中發現3年和5年時高危組患者發生HCC的概率顯著高于低危組患者（χ2=29.39、68.97，均P<0.05；χ2=20.94、57.07，均P<0.05），而REACH-B模型在高危組和低危組之間沒有差異（均P>0.05）。

圖3 PAGE-B與傳統HCC風險預測模型在預測5年發展為HCC的AUCFig 3 Page-B versus traditional HCC risk prediction models for AUC in predicting the progression of HCC at 5 years

表5 根據使用風險預測模型進行風險分層的HCC累積發病率Tab 5 Cumulative HCC incidence based on risk stratification using the risk prediction model

3 討論

根據GLOBOCAN 2018，中國HCC患者約占全球的46.71%，粗發病率是全球粗發病率的2.51倍[14]。中國國家癌癥中心報道2012—2015年中國HCC 5年生存率為12.1%。HCC已成為我國癌癥死亡順位第2位[15]。藏區是我國HBV感染的高發區，感染率接近我國平均水平的2倍，高達13.23%[16]。而HBV是引起肝臟疾病的主要病毒性病原體，是導致慢性肝炎、肝硬化、HCC的最主要原因[17]。有統計表明，HCC已位居西藏地區惡性腫瘤發病率第1位[18]。因此，在該地區早期識別HBV相關性HCC高風險患者尤其重要，可使患者得到早期干預，促進高風險人群積極治療，從而降低死亡率。由于西藏地區地廣人稀，經濟條件落后，醫療衛生條件差，所以需要更為簡便易行，經濟可靠的風險預測模型。

目前，在亞洲慢性乙型肝炎自然歷史隊列人群中開發了幾種HCC風險預測模型，如CU-HCC、GAG-HCC、LSM-HCC、REACH-B、PAGE-B模型等。雖然風險預測因子的權重和選擇略有不同，但這些評分具有類似的獨立預測因子[19]。CU-HCC和REACH-B風險預測模型是在19世紀末和20世紀初制定的，由于在開發這些預測模型時沒有合適的抗病毒治療，HBV DNA水平被用作HCC發展的重要預測因子，其基礎是HBV DNA水平與HCC發展的風險相關。而目前，強效口服抗病毒藥物恩ETV和TDF的出現對CHB的治療產生了重大影響。ETV和TDF可抑制絕大多數患者的HBV復制并改善纖維化[20]，對HBV DNA抑制率為61%～92%[21]，并具有強大的抗病毒活性和高抗藥性遺傳屏障，因此，被國際指南推薦作為一線抗病毒藥物。抗病毒治療可修改變量HBV DNA、HBeAg狀態和ALT等，但變量年齡、性別不受抗病毒治療的影響。經過抗病毒治療，雖然部分患者從高風險轉變為低風險，但其HCC發病率仍然高于基線時風險評分低的患者，發展為HCC的風險卻不能完全消除[19，22]。而過去依賴HBV DNA水平的風險預測可能不再適用于接受治療的患者，因此需要更加準確的預測模型來對抗病毒治療的CHB患者進行危險分層。

PAGE-B模型是在接受ETV或TDF治療的白種人群CHB患者中衍生出來風險評分模型[23]，是第一個在使用ETV或TDF這兩種推薦的一線抗病毒方案治療患者中衍生出來的模型。該模型非常簡單，易于在常規臨床實踐中使用，因為它僅基于患者的年齡、性別和血小板計數。而這種簡單有效的模型非常適合在西藏地區使用，所以本研究在西藏地區，對接受ETV或TDF治療的慢性乙型肝炎患者進行驗證PAGE-B，并將其預測性能與其他常規HCC風險預測模型進行比較。

在本研究中，組成PAGE-B的3個因素：年齡、性別和血小板計數，被確定為HCC發生的獨立預測因子。其中，男性和年長者已成為眾所周知的HCC危險因素[24]。此外，血小板計數也是肝病嚴重程度和HCC發展的重要預測指標[11]。本研究顯示，PAGE-B的預測性能與CU-HCC相當（P>0.05），顯著高于REACH-B（P<0.05）。此外，PAGE-B模型在預測HCC發展方面顯示出最高的NPV（3年和5年時為97.8%及98.6%），可能表明PAGE-B模型可用于識別低風險組。

本研究在西藏地區，用較大樣本量的患者驗證了PAGE-B的預測性能，并將其性能與其他風險預測模型進行了比較。另外，PAGE-B可以在西藏這種資源有限的地區中使用，因為它不需要HBV DNA滴度或纖維負荷的詳細評估，如瞬時彈性成像等復雜的檢測手段。在本研究中，存在幾個問題尚未解決。首先，盡管樣本量較大，但隨訪期相對較短，后續還應做較長隨訪期的研究，期望能更精確地估計風險預測模型的準確性。其次，未能與最近新開發的基于肝臟硬度的HCC風險預測模型進行比較[24]，后者在抗病毒治療的CHB患者中也顯示出比傳統模型更高的HCC發展預測性能。

總之，本研究驗證了PAGE-B在接受ETV或TDF治療的西藏地區CHB患者中的適用性，并發現PAGE-B的表現與CU-HCC相當，高于REACH-B，適合在醫療條件較差的西藏地區進行推廣，并需要進一步的研究，對接受抗病毒治療的CHB患者，應建立使用PAGE-B進行HCC監測的策略。