深度解析医学证据，lxfs.net为你支撑决策

编者按

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

01 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 = e^y / (1 + e^y)

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

02 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 = e^y / (1 + e^y)

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

03 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.

上一篇： 当“随意”遇上“盲目”：慢乙肝患者自行停...

下一篇： eBioMedicine ：HSD17B...