《Scientific Reports》：Development and temporal validation of 1-, 2-, and 3-year survival prediction models for hepatocellular carcinoma using the SEER database
编辑推荐：
本研究针对肝细胞癌（HCC）现有分期系统难以反映个体异质性、传统预测模型普遍存在单时间点局限等问题，基于SEER数据库构建了可同时预测1年、2年和3年总生存期的Cox模型与列线图。结果显示，纳入年龄、甲胎蛋白（AFP）、纤维化状态、AJCC分期及手术治疗等因子的模型具备优异区分度（训练/测试/时序验证队列C-index达0.762~0.726），时间依赖性AUC表现稳定，校准与决策曲线证实临床获益，为HCC风险分层与个体化诊疗提供可靠工具。
肝细胞癌（Hepatocellular Carcinoma, HCC）是全球最常见的原发性肝脏恶性肿瘤，也是导致癌症相关死亡的主要原因之一。尽管近年来肝癌的诊断与治疗手段不断进步，但其发病率仍居高不下，且患者生存率在不同地区和人群中差异显著。临床上广泛应用的美国癌症联合委员会（American Joint Committee on Cancer, AJCC）分期、巴塞罗那临床肝癌（Barcelona Clinic Liver Cancer, BCLC）分期以及中国肝癌分期（China Liver Cancer Staging, CNLC）系统，虽然在指导治疗策略方面发挥了重要作用，但这些“一刀切”的分期方案往往难以捕捉到患者之间的个体异质性。同一分期的患者，其实际生存时间和治疗效果可能千差万别。此外，既往发表的许多预后模型往往基于单中心的小样本数据，预测能力有限，或者只能预测单一时间点的生存概率，缺乏对未来不同时间段的动态风险评估。更重要的是，这些模型大多未经过严格的时间维度和外部队列验证，其泛化能力和临床适用性存疑。正是为了解决这一痛点，研究人员利用覆盖面广、代表性强的美国监测、流行病学和最终结果（Surveillance, Epidemiology, and End Results, SEER）数据库，开展了一项旨在开发并验证多时间点生存预测模型的重要研究，相关成果发表于《Scientific Reports》。
为了完成此项研究，团队首先确立了回顾性队列研究的框架。在数据获取层面，他们从庞大的SEER数据库中提取了符合纳入标准的病例信息。模型开发队列囊括了2018年至2022年间确诊的3850例HCC患者，用于模型的构建与内部测试；而独立的时间验证队列则选取了2016至2017年确诊的2268例患者，专门用于检验模型在面对未来新患者时的预测稳定性。在变量筛选与模型构建阶段，研究采用多变量Cox比例风险回归分析来鉴定独立的预后因素，并将筛选出的核心变量整合进多时间点列线图（Nomogram）。对于模型的性能评估，研究者运用了区分度指标（C-index和时间依赖性受试者工作特征曲线下面积，即time-dependent AUC）来评判模型区分存活与死亡患者的能力，并通过校准曲线和决策曲线分析（Decision Curve Analysis, DCA）分别验证预测概率与实际观察值的一致性以及模型的临床净获益。
研究人群与基线特征
通过对开发队列和验证队列的人口统计学及临床病理特征进行详细描述与对比，研究发现两个队列在年龄、性别、肿瘤分期等关键变量上总体分布均衡，验证队列中晚期患者比例略高，这更真实地模拟了模型在未来面对病情可能更复杂的患者群体时的应用场景。
独立预后因素的确定
多因素Cox回归分析揭示了影响HCC预后的五大关键因子。其中，年龄的增长与死亡风险升高相关；血清甲胎蛋白（Alpha-fetoprotein, AFP）水平作为经典的肿瘤标志物，其升高显著预示着不良预后；组织学上的纤维化状态反映了肝脏的基础病变程度，是重要的生物学背景；AJCC TNM分期则量化了肿瘤的解剖学侵袭范围；最为积极的因素是接受手术治疗（包括肝切除与移植），其展现出最强的保护效应。这些因素共同构成了预测模型的核心骨架。
预测模型的构建与呈现
基于上述因素，研究团队构建了多时间点Cox模型。为了便于临床医生直观使用，他们将复杂的回归方程转化为可视化的列线图。在这张图上，医生只需根据患者的具体情况在对应的评分轴上定位得分，将各项目分数相加并在总分轴上映射，即可快速读出该患者在1年、2年及3年的预估生存概率，实现了复杂统计模型向床边决策工具的转化。
模型的区分度与校准度
模型在训练集、内部测试集及时序验证集中均展现了稳健的区分能力，C-index分别达到0.762、0.760和0.726。更为细致的1年、2年、3年时间依赖性AUC在三个队列中也维持在较高水平（训练集：0.814, 0.801, 0.780；测试集：0.824, 0.809, 0.807；验证集：0.794, 0.793, 0.779），证明模型不仅对当下数据拟合良好，对未来数据的预测也保持精准。校准曲线显示预测生存率与实际Kaplan-Meier估计值高度重合，决策曲线分析进一步确认，在广泛的阈值概率范围内，使用该模型指导决策能为患者带来正的净获益。
结论与展望
本研究成功利用大规模、具有全国代表性的SEER数据库，开发并验证了一套针对肝细胞癌的多时间点个体化生存预测工具。该模型打破了传统单时间点预测的局限，能够动态评估患者在中短期的生存轨迹。研究所纳入的变量（如AFP、纤维化、AJCC分期）均为临床常规检测项目，无需额外昂贵检查，极大提升了模型的普及可行性。研究不仅在内部进行了验证，更引入了独立的时间验证队列，证明了模型良好的时效性与泛化力。这项工作弥补了现有AJCC、BCLC等分期系统在精细化个体预后判断上的不足，生成的列线图为临床医生提供了量化的决策辅助。未来，该模型有望整合进电子病历系统，帮助医生更准确地识别高风险患者以加强随访干预，或为低风险患者避免过度治疗提供依据，最终推动HCC诊疗向更精准、更个体化的方向迈进。
