Giới thiệu: Thách thức của Suy gan sau Cắt gan
Suy gan sau cắt gan (PHLF) vẫn là biến chứng đáng ngại nhất sau phẫu thuật cắt gan lớn, là nguyên nhân chính gây ra tỷ lệ tử vong và tai biến sau phẫu thuật. Mặc dù có nhiều tiến bộ trong kỹ thuật phẫu thuật và chăm sóc tiền-mổ, tỷ lệ PHLF ở bệnh nhân cắt gan lớn do ung thư vẫn tiếp tục là thách thức lâm sàng đáng kể. Cơ chế bệnh sinh cơ bản của PHLF nằm ở sự mất cân đối giữa thể tích/chức năng của phần gan còn lại và nhu cầu chuyển hóa của cơ thể, thường bị làm nặng thêm bởi sự suy giảm khả năng tái tạo gan.
Các mô hình dự đoán truyền thống như điểm Child-Pugh, điểm MELD và các xét nghiệm chức năng gan tiền-mổ (ví dụ, thanh thải indocyanine green) cung cấp một bức tranh tổng quát về dự trữ gan nhưng thường không nắm bắt được tính chất động, nhạy cảm với thời gian của quá trình tái tạo gan và các thay đổi sinh lý xảy ra trong giai đoạn mổ và sau mổ sớm. Để bù đắp khoảng cách này, kiến trúc PILOT (Perioperative Integrated Liver-regeneration Optimized Time-phased) đã được phát triển, sử dụng học máy để tích hợp các chỉ số sinh học mới với dữ liệu lâm sàng theo thời gian.
Những Điểm Mới của Kiến trúc PILOT
Nghiên cứu giới thiệu một số bước tiến quan trọng trong lĩnh vực phẫu thuật gan mật và phân tích dự đoán:
1. Tích hợp các Chỉ số Sinh học Mới: Mô hình bao gồm các chỉ số sinh học cụ thể liên quan đến tái tạo gan, bao gồm GATA3, RAMP2, VEGFA và PEDF, phản ánh trạng thái phân tử của phần gan còn lại.
2. Dự đoán theo Giai đoạn Thời gian: Bằng cách phân loại dữ liệu thành giai đoạn tiền-mổ, trong-mổ và sau-mổ, hệ thống cho phép đánh giá lại rủi ro liên tục.
3. Độ Chính xác Dự đoán Tối ưu: Các mô hình PILOT đạt giá trị AUC lên đến 0.904, vượt trội đáng kể so với các hệ thống chấm điểm truyền thống.
4. Khả thi Lâm sàng Sớm: Hệ thống cho phép phân loại rủi ro chính xác cao trong vòng sáu giờ đầu sau phẫu thuật, cung cấp một khung thời gian quan trọng để can thiệp.
Thiết kế Nghiên cứu và Phương pháp
Đây là một nghiên cứu hồi cứu đa trung tâm (ClinicalTrials.gov: NCT05779098) phân tích dữ liệu từ 1,071 bệnh nhân đã trải qua phẫu thuật cắt gan lớn tại ba trung tâm có lưu lượng cao từ năm 2019 đến 2024. Đội ngũ bệnh nhân được chia thành tập huấn luyện (n = 623) và hai tập kiểm chứng độc lập bên ngoài (n = 206 và 242) để đảm bảo tính tổng quát của kết quả.
Các nhà nghiên cứu đã đánh giá 55 biến số tiền-mổ. Một khía cạnh độc đáo của nghiên cứu này là việc bao gồm bốn chỉ số sinh học mới được xác định thông qua nghiên cứu transcriptome trước đây là quan trọng đối với tái tạo gan: GATA3 (GATA binding protein 3), RAMP2 (Receptor activity modifying protein 2), VEGFA (Vascular endothelial growth factor A) và PEDF (Pigment epithelium-derived factor). Các biến số này được tổ chức thành ba tập dữ liệu riêng biệt:
1. PILOT-Pre: Dữ liệu lâm sàng và chỉ số sinh học tiền-mổ.
2. PILOT-Intra: Tích hợp dữ liệu tiền-mổ với các yếu tố trong-mổ (ví dụ, mất máu, thời gian phẫu thuật).
3. PILOT-Post: Bao gồm dữ liệu sau-mổ sớm (trong vòng 6 giờ).
Mười ba thuật toán học máy khác nhau đã được thử nghiệm, bao gồm LightGBM và XGBoost, với phân tích SHAP (SHapley Additive exPlanations) được sử dụng để giải thích đóng góp của từng đặc trưng vào dự đoán của mô hình.
Kết Quả Chính và Chỉ số Hiệu suất
Kiến trúc PILOT đã thể hiện khả năng phân biệt xuất sắc trong tất cả các giai đoạn của hành trình tiền-mổ.
Sự Phân biệt và Kiểm chứng Mô hình
Trong tập huấn luyện, các mô hình PILOT-Pre và PILOT-Intra (sử dụng LightGBM với 10 và 15 đặc trưng, tương ứng) đạt AUC là 0.754 và 0.787. Mô hình PILOT-Post, sử dụng XGBoost với 20 đặc trưng, đạt AUC là 0.904. Những kết quả này đã được tái tạo thành công trong các tập kiểm chứng độc lập bên ngoài, với AUC dao động từ 0.740 đến 0.895. Ngược lại, các mô hình truyền thống như điểm MELD hoặc ALBI (Albumin-Bilirubin) có sức mạnh dự đoán thấp hơn đáng kể, với AUC từ 0.502 đến 0.644 (P < 0.050).
Phân loại Rủi ro và Độ chính xác
Một khung phân loại rủi ro đồng thuận đã được phát triển bằng cách tích hợp các dự đoán của PILOT-Pre và PILOT-Intra. Khung này phân loại bệnh nhân thành nhóm rủi ro cao, trung bình và thấp. Nhóm rủi ro cao đồng thuận có độ chính xác lớp cụ thể cho các sự kiện PHLF từ 94.4% đến 96.6%. Ngược lại, nhóm rủi ro thấp đồng thuận có độ chính xác từ 92.1% đến 95.5% cho các sự kiện không PHLF. Mức độ chính xác này cho phép bác sĩ xác định với độ tin cậy cao những bệnh nhân cần theo dõi cường độ cao và những người có thể được đẩy nhanh quá trình phục hồi.
Xác định các Ngưỡng Rủi ro Quan trọng
Phân tích SHAP đã xác định một số ngưỡng sinh lý và phân tử quan trọng liên quan đến nguy cơ tăng PHLF:
1. Phốt pho Máu: Mức >2.4 mg/dL vào ngày thứ 3 sau phẫu thuật được xác định là một yếu tố dự đoán quan trọng. Mặc dù phốt pho cao thường liên quan đến tái tạo, nghiên cứu này nhấn mạnh sự phức tạp của thời gian và mức độ của nó.
2. Tỷ lệ RAMP2-GATA3: Tỷ lệ 4.9 trong máu được liên kết với nguy cơ PHLF tăng, phản ánh trạng thái viêm hoặc chống tăng sinh mạch cản trở sự phục hồi của gan.
Bình luận Chuyên gia: Hiểu Biết Cơ bản và Giá Trị Lâm Sàng
Thành công của kiến trúc PILOT nằm ở khả năng định lượng dự trữ sinh học của gan thông qua góc nhìn của tái tạo. Việc bao gồm RAMP2 và VEGFA đặc biệt quan trọng; những protein này là trung tâm của tín hiệu tế bào nội mô xoang gan cần thiết cho sự phân chia tế bào gan. Khi trục RAMP2-GATA3 bị gián đoạn, quá trình tăng trưởng mạch và mô có tổ chức bị suy yếu, dẫn đến sự suy giảm chức năng của phần gan còn lại.
Hơn nữa, cách tiếp cận theo giai đoạn thời gian công nhận rằng phẫu thuật là một tác nhân căng thẳng động. Sự kiện trong-mổ, như thời gian thiếu máu kéo dài hoặc mất máu quá mức, có thể chuyển bệnh nhân từ nhóm rủi ro thấp tiền-mổ sang nhóm rủi ro cao sau-mổ. Bằng cách cung cấp dự đoán đáng tin cậy trong vòng sáu giờ sau phẫu thuật, PILOT cho phép can thiệp dược lý sớm, như sử dụng các yếu tố tăng trưởng hoặc hỗ trợ dinh dưỡng chuyên biệt, và quản lý dịch tối ưu để giảm mức độ nghiêm trọng của PHLF.
Tuy nhiên, cần lưu ý một số hạn chế. Là một nghiên cứu hồi cứu, có nguy cơ thiên lệch chọn lọc cố hữu. Mặc dù kiểm chứng bên ngoài mạnh mẽ, việc tích hợp các chỉ số sinh học dựa trên mô (như RAMP2-GATA3) yêu cầu xử lý bệnh lý nhanh chóng, có thể không sẵn có trong tất cả các cơ sở lâm sàng. Nghiên cứu triển vọng trong tương lai là cần thiết để xác định xem các can thiệp dựa trên dự đoán của PILOT có cải thiện trực tiếp tỷ lệ sống sót của bệnh nhân hay không.
Kết luận
Kiến trúc PILOT đại diện cho một bước tiến đáng kể trong chăm sóc phẫu thuật cá nhân hóa. Bằng cách tích hợp các cơ sở phân tử của tái tạo gan với học máy tiên tiến, nó cung cấp một công cụ thực tế và chính xác cao để dự đoán PHLF. Khung này đưa lĩnh vực này ra khỏi các đánh giá tĩnh, một kích thước phù hợp với mọi người, hướng tới một cách tiếp cận động, dựa trên dữ liệu có thể xác định bệnh nhân có rủi ro cao ở giai đoạn sớm nhất của thời kỳ sau phẫu thuật, có thể biến đổi quản lý bệnh nhân trải qua phẫu thuật gan lớn.
Hỗ trợ và Đăng ký
Nghiên cứu này được hỗ trợ bởi Quỹ Khoa học Tự nhiên Quốc gia Trung Quốc (82403243), Chương trình Hỗ trợ Nghiên cứu Sau Tiến sĩ Quốc gia Trung Quốc (GZC20231943) và Ủy ban Khoa học và Công nghệ Thành phố Thượng Hải (23Y11905900). Nghiên cứu đã đăng ký với ClinicalTrials.gov dưới mã định danh NCT05779098.
Tài liệu tham khảo
1. Shen H, Yuan T, Si A, et al. Liver regeneration-associated machine learning architecture integrating time-phased predictions for post-hepatectomy liver failure. EClinicalMedicine. 2025;90:103661. doi:10.1016/j.eclinm.2025.103661.
2. Reissfelder C, Brand K, Sobotka C, et al. Prediction of posthepatectomy liver failure: A systematic review of existing scoring systems. HPB (Oxford). 2021;23(1):1-12.
3. Rahbari NN, Garden OJ, Padbury R, et al. Posthepatectomy liver failure: a definition and grading by the International Study Group of Liver Surgery (ISGLS). Surgery. 2011;149(5):713-724.
