“GALAD”的版本间的差异
(建立内容为“<div style="padding: 0 4%; line-height: 1.8; color: #1e293b; font-family: 'Helvetica Neue', Helvetica, 'PingFang SC', Arial, sans-serif; background-color: #ffffff…”的新页面) |
|||
| 第131行: | 第131行: | ||
<p style="margin: 12px 0;"> | <p style="margin: 12px 0;"> | ||
| − | <strong>3. Logistic Regression | + | <strong>3. GALAD 公式 (Logistic Regression):</strong> |
| − | <br> | + | <br>核心参数:Z = -10.08 + (0.09 × 年龄) + (1.67 × 性别) + (2.34 × log10 AFP) + (0.04 × AFP-L3) + (1.33 × log10 DCP)。 |
| − | <br> | + | <br>注:性别中男性=1,女性=0。最终患癌概率 P = 1 / (1 + e^-Z)。 |
</p> | </p> | ||
</div> | </div> | ||
2026年2月9日 (一) 04:01的版本
GALAD评分(GALAD Score),是一个用于评估慢性肝病患者罹患肝细胞癌(HCC)风险的统计学模型。
它的命名源于其纳入的五个核心变量:Gender(性别)、Age(年龄)、AFP-L3(甲胎蛋白异质体比率)、AFP(甲胎蛋白总量)和 DCP(异常凝血酶原)。
与单一依赖 AFP 进行筛查不同,GALAD 模型通过复杂的逻辑回归算法,整合了人口学特征和三种互补的血清生物标志物。大量临床研究证实,无论患者的病因(乙肝、丙肝或非酒精性脂肪肝)如何,GALAD 评分在检测早期肝癌方面的灵敏度和特异性均显著优于单一指标,是目前国际上公认的高精度肝癌风险预测工具。
解码 GALAD:五个字母的协同效应
GALAD 评分之所以强大,是因为它利用了不同指标之间的独立性和互补性。即使某一项指标(如 AFP)正常,只要其他指标异常,模型依然能捕捉到风险。
| 字母 | 代表指标 | 纳入逻辑 |
|---|---|---|
| G | Gender (性别) | 男性是肝癌的独立危险因素,发病率通常是女性的 2-3 倍。 |
| A | Age (年龄) | 随着年龄增长,累积的基因突变增加,肝癌风险呈指数级上升。 |
| L | AFP-L3 (异质体比率) | 反映 AFP 的“质量”。即使 AFP 总量不高,若 L3 比例升高,高度提示恶性来源(特异性高)。 |
| A | AFP (甲胎蛋白总量) | 反映肿瘤的“负荷”。经典指标,但早期敏感性差。 |
| D | DCP (异常凝血酶原) | 与 AFP 具有互补性。约 30-40% 的 AFP 阴性肝癌患者 DCP 会升高。与门静脉癌栓相关。 |
临床价值:超越“超声”的局限
目前肝癌筛查的标准方案是“超声 + AFP”。但超声非常依赖医生的经验,且受患者体型(肥胖、腹气)影响大,容易漏诊微小病灶。
- 客观性强: GALAD 评分完全基于客观的生化指标和人口学数据,消除了超声检查中“人为因素”的干扰。
- 早期诊断: 研究显示,对于 BCLC 0/A 期(极早期/早期)肝癌,GALAD 评分的灵敏度可达 80-90%,而单独 AFP 仅为 30-60%。
- 风险分层: GALAD 可以输出一个概率值。
• 低风险:建议常规监测(如每6个月)。
• 高风险:建议立即进行增强 CT/MRI 确诊。
关键相关概念 [Key Concepts]
1. ASAP Score: 中国学者基于中国人群开发的类似模型。变量为:Age, Sex, AFP, PIVKA-II (DCP)。相比 GALAD 少了 AFP-L3,但在中国患者(以乙肝为主)中表现同样优异且成本更低。
2. PIVKA-II (DCP): 即异常凝血酶原。由于肝癌细胞缺乏维生素K依赖的羧化酶,导致凝血酶原前体不能完全羧化而释放入血。它是 GALAD 模型中与 AFP 互补性最强的因子。
3. GALAD 公式 (Logistic Regression):
核心参数:Z = -10.08 + (0.09 × 年龄) + (1.67 × 性别) + (2.34 × log10 AFP) + (0.04 × AFP-L3) + (1.33 × log10 DCP)。
注:性别中男性=1,女性=0。最终患癌概率 P = 1 / (1 + e^-Z)。
学术参考文献 [Academic Review]
[1] Johnson PJ, et al. (2014). Assessment of liver function in patients with hepatocellular carcinoma: a new evidence-based approach—the ALBI grade. (注:Johnson也是GALAD的主要开发者)
Berhane S, et al. (2016). Biomarkers for hepatocellular carcinoma: the GALAD score. Hepatology.
[点评]:GALAD 的奠基之作。利用英国、德国和日本的 4000 多例大样本队列,构建并验证了该模型,证明其跨人种、跨病因的稳定性。
[2] Yang JD, et al. (2019). GALAD Score for Hepatocellular Carcinoma Detection in Comparison with Liver Ultrasound and Proposal of GALADUS Score. Cancer Epidemiology, Biomarkers & Prevention.
[点评]:对比研究。证实 GALAD 评分在检测早期 HCC 方面优于超声,而将超声加入模型(GALAD-US)可进一步提升性能。