文献速递消化系统肿瘤

基于机器学习的肝细胞癌人群筛查前景

The Promise of Machine Learning-Based Population Screening for Hepatocellular Carcinoma.
PubMed 文献 · Cancer Discov · 2026-01-01

Clusmann等开发了可解释机器学习框架PRE-Screen-HCC,利用两个人群规模队列的多模态临床数据对肝细胞癌风险进行分层,显著优于现有风险评分,并在不同民族亚组中展现稳健性。

要点

  • PRE-Screen-HCC利用多模态临床数据实现肝细胞癌风险分层。
  • 该框架在两个人群规模队列中显著优于现有风险评分。
  • 模型在不同民族亚组中展现稳健性。

核心结论

  • PRE-Screen-HCC可解释机器学习框架能有效对肝细胞癌风险进行分层。

研究设计与样本

  • 研究基于两个人群规模队列的多模态临床数据开发并验证PRE-Screen-HCC框架。

主要发现

  • PRE-Screen-HCC显著优于现有风险评分。
  • PRE-Screen-HCC在不同民族亚组中展现稳健性。

临床怎么用

  • 该框架有望用于肝细胞癌的人群筛查风险分层。

以上解读依据论文摘要(全文未开放获取或许可不允许翻译转载)。

原文

Clusmann and colleagues developed PRE-Screen-HCC, an interpretable machine learning framework that leverages multimodal clinical data from 2 population-scale cohorts to stratify hepatocellular carcinoma risk, significantly outperforming existing risk scores and demonstrating robustness across diverse ethnic subgroups. See related article by Clusmann et al., p. 1304.

来源:Cancer Discov,查看原文。版权归原作者所有。

引用

  1. Foda ZH. The Promise of Machine Learning-Based Population Screening for Hepatocellular Carcinoma. Cancer Discov. 2026. PMID: 42381462. doi:10.1158/2159-8290.CD-26-0955

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。