肝癌风险预测模型

肝癌风险预测模型是用来评估个体发展成肝癌的可能性的工具，它们通常基于多种临床和生化指标。以下是一些在《原发性肝癌诊疗指南（2024年版）》中提及的肝癌风险预测模型：

1. aMAP评分：这是一个由我国学者研发的肝癌风险评估模型，全称为age-male-albi-platelets score。它基于年龄、性别、白蛋白（Alb）、血小板（Platelets）等指标，将肝病人群分为肝癌低风险（aMAP评分0～50分）、中风险（aMAP评分50～60分）和高风险（aMAP评分60～100分）三个等级。不同风险等级的人群肝癌的年发生率不同，分别为0～0.2%、0.4%～1.0%和1.6%～4.0%。

2. aMAP-2模型：基于aMAP评分，结合多变量纵向数据和循环游离DNA（cell-free DNA，cfDNA）特征构建的新型肝癌预测模型。aMAP-2模型可以进一步识别出肝癌发生率高达12.5%的超高风险人群。

3. GALAD模型：这是一个基于血清标志物的肝癌风险预测模型，全称为GALAD score。它结合了性别、年龄、AFP、PIVKA II（异常凝血酶原）和AFP-L3（甲胎蛋白异质体）等因素，用于诊断早期肝癌。GALAD模型在AFP阴性的肝癌患者中也显示出较好的诊断效能。

4. C-GALAD、GALAD-C、C-GALAD II模型：这些是基于中国人群大样本数据优化的类GALAD模型，用于肝癌的早期诊断。

5. GAAD模型 ：这是一个简化的模型，基于性别、年龄、AFP和PIVKA II构建，用于肝癌的早期诊断。

6. 基于microRNA的检测：利用基于7个microRNA组合的检测试剂盒，可以诊断肝癌并对AFP阴性肝癌进行诊断。

7. 影像组学模型：结合患者的临床信息和肿瘤影像信息，通过人工智能技术建立的智能预测模型，可以精准预测肝癌的复发转移。

这些模型的建立和应用有助于医生对肝癌风险进行分层管理，从而为患者提供更个性化的预防和治疗策略。需要注意的是，这些模型需要在临床实践中进一步验证其预测效能，并结合患者的具体情况进行综合评估。

引用文献：

[12] Fan R, Papatheodoridis G, Sun J, et al. aMAP risk score predicts hepatocellular carcinoma development in patients with chronic hepatitis. J Hepatol, 2020,73(6):1368-1378.

[13] Fan R, Chen L, Zhao S, et al. Novel, high accuracy models for hepatocellular carcinoma prediction based on longitudinal data and cell-free DNA signatures. J Hepatol, 2023,79(4):933-944.

[78] Best J, Bechmann LP, Sowa JP, et al. GALAD score detects early hepatocellular carcinoma in an international cohort of patients with nonalcoholic steatohepatitis. Clin Gastroenterol Hepatol, 2020, 18(3): 728-735. e4.