GALAD评分
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。