论文部分内容阅读
第一部分 应用人工智能验证和比较ALBI分级预测早期TIPS术后1年再出血率的研究目的 验证并比较白蛋白-胆红素(ALBI)分级、血小板-白蛋白-胆红素(PALBI)分级、Child-Pugh分级和终末期肝病模型(MELD)评分对接受早期经颈静脉肝内门体分流术(E-TIPS)的肝硬化食管胃底静脉曲张破裂出血(EGVB)患者术后1年静脉曲张再出血率的预测性能。材料和方法 这项双中心回顾性研究包括两个队列,训练队列和验证队列纳入患者的时间段分别为2016年1月至2018年9月、2017年1月至2018年9月。在训练队列中,先后使用单因素、多因素logistic分析确定与1年静脉曲张再出血可能相关的危险因素,建立了基于ALBI,PALBI,Child-Pugh和MELD的诺模图以及人工神经网络(ANN)模型,并在训练队列中进行内部验证,然后在TIPS预防静脉曲张再出血的验证队列中进行外部验证。结果 共纳入259例患者。在训练队列和验证队列中,中位随访时间分别为24.1个月和18.9个月,1年静脉曲张再出血率分别为12.3%(14/114)和10.3%(15/145)。在训练队列中,这四种肝功能评价模型均被证实为独立危险因素,然后建立四个诺模图,并在内部(C指数:0.879、0.829、0.874和0.798,P>0.05)和外部(C指数:0.720、0.719、0.718和0.703,P>0.05)验证后显示出具有可比性的预后表现。人工神经网络模型表明,Child-Pugh分级作用最显著,但是值得注意的是,ALBI与Child-Pugh分级之间的重要性差距很小。结论 这四种肝功能评价模型在预测早期TIPS术后1年再出血可能性方面无明显差异,考虑到客观易用性,ALBI分级具有作为EGVB患者再出血预测临床工具的应用潜力。第二部分 基于肝脏硬度建立TIPS术后早期显性肝性脑病预测模型的研究目的 初步探讨应用人工智能建立基于肝脏硬度的TIPS术后早期显性肝性脑病(OHE)预测模型的可行性。材料和方法回顾性分析本中心2017年6月至2019年10月使用8mm Viatorr支架行TIPS治疗EGVB的患者资料,先后使用单因素和多因素logistic分析确定与TIPS术后早期OHE可能相关的危险因素,建立了基于危险因素的诺模图以及人工神经网络(ANN)模型,并在训练队列中进行内部验证。结果 训练队列共纳入本中心83例患者,中位随访时间为13.0个月,其中17例(20.5%)在TIPS术后3个月内在出现OHE。年龄(<65,≥65)、肝脏硬度、术后3天门静脉流速被证实为独立危险因素,然后建立诺模图并在内部进行验证,基于这三个变量的诺模图,ROC曲线下面积为0.8681,95%置信区间=(0.7926,0.9435),提示模型具有较好的区分度。人工神经网络模型表明,年龄、肝脏硬度在预测TIPS术后3个月OHE方面起着比较重要的作用。结论 初步证实基于肝脏硬度建立TIPS术后早期OHE预测模型是可行并且有效的,这对TIPS术后HE的一级预防、早期营养干预和引导患者自我健康管理具有个体化指导意义。