XGBoost模型对腹腔镜肝切除术治疗肝细胞癌复发的预测因素分析

国际外科学杂志 2021

年4

月第 48

卷第 4

期 International Journal of Surgery，April 2021，Vol. 48，No. 415396.[13]

• 247 •诊疗规范(2019年版）[J].中华消化外科杂志，2020, 19(1):

1-20. DOI： 10.3760/. 1673-9752.2020.01.001.[6] Bay F, Ferlay J, Soerjomataram I, et al. Global cancer statistics

2018

： GLOBOCAN estimates of incidence and mortality wordwide

for 36 cancers in 185 countries[ J]. CA Cancer JC Lin, 2018, 68

(6)： 394-424. DOI： 10. 3322/caac. 21492.[7]

段飞，李学民，陈靓，等.肝细胞癌精准肝切除术后早期肠内

应用与联合营养支持的前瞻性研究[J ].中华消化外科杂志，

姚舜禹，荚卫东，葛勇胜，等.吲哚箐绿荧光示踪技术在肝癌

解剖性肝切除中的应用[J/CD].中华肝脏外科手术学电子杂

志，2019, 8 (3) : 221-225. D0I: 10. 3877/cma. j. issn. 2095-

3232.2019.03.010.[14] Zeng N, Tao H, Fang C, et al. Individualized preoperative

planning suing three- dimensional modeling for Bismuth and

Corlette type HI hilar cholangiocarcinoma [ J ]. World J Surg

Oncol, 2016, 14(1)： 44. DOI： 10. 1186/sl2957-016-0794-8.[15]

候建存，张雅敏•三维影像技术引导下复杂肝癌精准肝切除

术的评估与实施[J].国际外科学杂志，2018,45(2):77-79.

2017, 16(12)： 1191-1198. D0I： 10. 3760/cma. j. issn. 1673-

9752.2017. 12.006.[8]

李自慧，叶甲舟，陈洁，等.解剖性肝切除术对合并微血管侵

犯的肝癌患者早期复发的影响[J].中华肝胆外科杂志，

DOI

： 10. 3760/cma. j. issn. 1673-4203. 2018.02. 002.[16]

杨剑，王壮雄，方驰华.多模态影像技术在原发性肝癌外科中

2018,24( 1

)： 18-22. DOI： 10. 3760/cma. j. issn. 1007-8118.

2018.01.005.[9] Fang CH, Tao HS, Yang J, et al. Impact of three-dimensional

reconstruction technique in the operation planning of centrally

located hepatocellular carcinoma [ J ]. J Am Coll Surg, 2015, 220

(1)： 28-37. DOI： 10. 1016/j. jamcollsurg.2014.09.023.[10] Moris D, Tsilimigras DI, Kostakis ID, et al. Anatomic versus non-

anatomic resection for hepatocellular carcinoma

： a systematic

review and meta-analysis[ J]. Eur J Surg Oncol, 2018, 44(7)：

927-938. DOI： 10. 1016/j. ejso. 2018. 04.018.[11]

张小晶，王琳.微血管侵犯在肝癌综合诊断与治疗中的临床

的应用[J/CD].中华肝脏外科手术学电子杂志，2019, 8(1):

1-5. DOI： 10.3877/cma.j. issn. 2095-3232. 2019. 01.001.[17] Miyata A, Ishizawa T, Tani K, et al. Reappraisal of a dye-

staining technique for anatomic hepatectomy by the concomitant use

of indocyanine green fluorescence imaging [ J ] . J Am Coll Surg,

2015,221(2)： e27-36. DOI： 10. 1016/j. jamcollsurg. 2015.05.

005.[18] Zhang YM, Shi R, Hou JC, et al. Liver tumor boundaries

identified intraoperatively using real- time indocyanine green

fluorescence imaging [ J ]. J Cancer Res Clin Oncol, 2017, 143

(1)： 51-58. DOI： 10.1007/s00432-016-2267-4.[19] Velayutham V, Fuks D, Nomi T, et al. 3D visualization reduces

operating time when compared to high-definition 2D in laparoscopic

liver resection

： a case- matched study [ J ]. Surg Endosc, 2016, 30

(1)： 147-153. DOI： 10. 1007/s00464-015-4174-l.(收稿日期:2021-03-29)意义[J].中华消化外科杂志，2019, 18(4): 336-341. DOI:

10. 3760/cma. j. issn. 1673-9752. 2019. 04.008.[12] Shi C，Zhao Q, Liao B, et al. Anatomic resection and wide

resection margin play an important role in hepatectomy for

hepatocellular carcinoma with peritumoural micrometastasis [ J 1.

ANZJSurg, 2019, 89( 11)： E482-E486. DOI: 10. 1111/〇〇st模型对腹腔镜肝切除术治疗肝细胞癌

复发的预测因素分析陈凯1张竹青2马涛3张学军1于爱军1刘金龙1李剑1傅华11承德医学院附属医院外一科067000;2承德医学院附属医院检验科 067000;3兴隆县人民医院普外科，承德067300通信作者：陈凯,Email:

chenkai2007@ 126.

com【摘要】目的建立一种能预测肝细胞癌（HCC)患者腹腔镜肝切除术（LH)术后复发的极端梯度上升

法（XGBoost)模型。方法回顾性选取2013年1月一2016年9月在承德医学院附属医院首次接受LH治疗

的原发性HCC患者440例为研究对象，确诊方式为病理诊断。使用随机数表法，以2: 8的比例将研究对象

分为训练组(n = 88)和验证组（n=352)。采用Kaplan-Meier法绘制无复发生存曲线,并采用Log-rank检验

比较两组的生存情况;采用训练组建立C0X回归模型和XGBoost模型，筛选预测LH术后复发的独立预测

因素;采用受试者工作特征曲线（R0C)分析两种模型的预测能力，并在验证组中进行内部验证;采用Hosmer

andLemeshowTest来评价两种模型的校准度，以P>0.05为模型与实际情况拟合度良好。结果多因素

COX回归模型和XGBoost模型均筛选出了癌栓、分化程度低、肿瘤微血管浸润、肿瘤个数、肿瘤较大、乙肝表

面抗原阳性是肿瘤复发的独立预测因素（册=2.477、0. 769、1. 786、1.905、1. 544、1. 805;95%C/: 1.465 ~

• 248 •国际夕卜科学杂志 2021

年4

月第 48

卷第 4

期 International Journal of Surgen , April 2021 t Vol. 48, No. 44. 251、0. 619 〜0. 819、1. 263 〜2. 546、1. 354 704、1. 272 〜1. 816、1. 055 〜2. 555)。XGboost 模型评分依次为32、29、24、18、16、11分。训练组中(：0回归模型和08〇(^模型预测复发的曲线下面积（人11(：)分别为

0•

746(0. 730〜0.

762)和0•

802(0• 785〜0.

8丨8)，XGBoost模型预测能力较强，且在验证队列中也得到了证

实。结论本研究建立和验证了能够预测接受LH的HCC患者术后复发的XGBoost模型。该模型可应用

于临床工作中，辅助医师为患者制订个性化的术后监测方案HCC患者复发率高，预后差，早发现、早诊断、

早治疗、加强术后复诊是改善患者预后的重要措施。【关键词】癌，肝细胞；肝切除术；腹腔镜；XGBoost模型；复发；预测

基金项目：承德市科学技术研究与发展计划项目（201804A021)D0I： 10. 3760/cma. j. cnl 15396-20210123-00029XGBoost model in predicting recurrence of patients with laparoscopic hepatectomy for hepatocellular

carcinomaChen Kai , Zhang Zhuqing2 , Ma Tao1, Zhang Xuejun1 , Yu Aijun , Liu Jinlong' , Li Jian , Fu Hua'The First Department of (General Surgery, Affiliated Hospital of Chengde Medical University, Chengde 067000,China2Department of Clinical Laboratory, Affiliated Hospital of Chengde Medicals, Chengde 067000y China；3Department of General Surger}', XingLong People's Hospital, Chengde 067300, ChinaCorresponding author： Chen Kai, Email： *******************【Abstract】 Objective This study aimed to establish an eXtreme Gradient Boosting ( XGBoost) model that

can predict the recurrence of hepatocellular carcinoma ( HCC ) patients after laparoscopic* hepatectomy ( LH )

surgery. Methods A total of 440 patients with primary HCC who received LH treatment for the first time from

January 2013 to September 2016 in Affiliated Hospital of Chengde Medical University were selected as the research

objects. The diagnosis method was pathological diagnosis. Research

〇})jects were divided into training group (n =

88) and verification group (n =352) at a ratio of 2- 8 by random numl>er table method. The Kaplan-Meier method

was used to draw the recurrence-free survival curve, and the I^og-rank test was used to compare the survival of the

two groups； the training group was used to establish the COX regression model and the XGBoost model to screen

independent predictors of recurrence after LH

； receiver operating characteristic( ROC) curve was used to analyze

the predictive abilities of the two models, and conducted internal verification in the verification group； Hosmer and

Lemeshow Test was used to evaluate the calibration of the two models, and P >0.05 was used as a good fit between

the model and tlie actual situation. Results Both the COX regression model and the XGBoost model screened out

tumor thrombus, low degree of differentiation, tumor microvascular infiltration (MVI), number of tumors, large

tumors, and positive hepatitis B surface antigen were independent predictors of tumor recurrence (///? = 2. 477,

0.769, 1.786, 1.905, 1.544, 1.805；95%C/： 1.465-4.251,0.619-0.819, 1.263-2.546, 1.354-2.704,

1.272-1.816, 1. 055-2. 555 ). The XGboost model scores were 32 points, 29 points, 24 points, 18 points,

16 points, 11 points, respectively. In the training group, the area under the curve ( AUC) of the COX regression

model and XGBoost model for predicting recurrence were 0. 746 (0. 730-0. 762) and 0. 802 (0. 785-0. 818),

respectively. The XGBoost model had strong predictive ability and was confimied in the validation cohort.

Conclusions

This study had established and verified the XGBoost model that can predict the recurrence of HCC

patients after receiving LH for the first time. It can he used in clinics to assist doctors in fomiulating personalized

postoperative monitoring programs for patients. Early detection, early diagnosis and early treatment of tumors and

strengthening of postoperative follow-up are important measures to improve the prognosis of patients.【Key words】 Carcinoma，hepatocellular； Hepatectomy； Laparoscopes； XGBoost model；

Recurrence

； ForecastingFund program： Chengde Science and Technology Research and Development Program(201804A021 )DOI

： 10. 3760/cma. j. cnl 15396-20210123-00029肝细胞癌（Hepatocellular

carcinoma，HCC )是一■

种常见的恶性肿瘤，致死率高，病死率位列所有癌症

第2位[1]。肝切除术是HCC患者首选的治疗方式，

然而高复发率导致预后效果很不理想1231。随着科技的发展，手术操作的方法也取得了很大的进步。与

传统的开腹肝切除术相比，腹腔镜肝切除术

(Laparoscopic

hepatectomy，LH)具有切缘宽、出血量

少、住院时间短、术后并发症少、恢复好、长期生存率

国际外科学杂志 2021

年4

月第 48

卷第 4

期 In

丨 emational Journal of Surgery，April 2021 , Vol. 48，No. 4• 249 •高等优势，对患者术后康复具有积极作用[4_5]。但

是,LH术后的5年复发率还是高达50% [6],因此寻

找术后复发的危险因素具有非常重要的现实意义。

本研究旨在筛选HCC患者LH术后复发的独立危险

因素，建立能对其进行预测的XGBoost模型，并验

证该模型的预测效果，为HCC患者个体化的LH术

后恢复方案提供可靠依据。1资料与方法1.1 一般资料回顾性选取2013年1月一2016年9月在承德医

学院附属医院外一科接受LH治疗的原发性HCC患

者440例为研究对象，中位年龄50岁。所有患者均

由术后病理诊断进行确诊，确诊过程由两位病理科专

家共同完成。收集研究对象的各项数据后，使用随机

数表法以2: 8将研究对象分训练组U =88)和验证

组（n = 352)。采用训练组建立C0X回归模型和

XGBoost模型，筛选预测LH术后复发的独立预测因

素；采用受试者工作特征曲线（Receiver

operating

characteristic

curve,ROC)分析两种模型的预测能力，

并在验证组中进行内部验证。本研究已获得承德医

学院附属医院伦理委员会的批准（伦理批号：

201804A021)，所有患者均知情并签署了书面知情同

意书。1.2纳入与排除标准纳人标准：（1)年满18周岁；（2)术前从未接受

过抗肿瘤治疗；（3)术后病理诊断证实为HCC; (4)术

前肝功能为A或B级；（5)肿瘤无转移；（6)临床资

料完整。排除标准：（1)围术期死亡；（2)既往有肝切术手

术史；（3)手术切缘不到1

cm;(4)数据不全;（5)有

视听障碍或认知障碍，无法配合调查；（6)合并其他

肿瘤或HIV。1.3临床病理数据术前进行血尿常规、血生化、肿瘤标志物、彩超、

CT以及MRI检查，并记录检查结果。收集的数据包

括乙肝表面抗原、肝功能分级、甲胎蛋白（Alpha-

fetoprotein,

AFP )、 糖类抗原 19-9

(Carbohydrate

antigen 19-9，CA19-9 )、天冬氨酸氨基转移酶

(Aspartate

transaminase，AST)、丙氣酸氣基转移酶

(Alanine

aminotransferase,

ALT )、白蛋白（Albumin，

ALB)、总胆红素、血小板计数、国际标准化比值、乙型

肝炎病毒

DNA(

Hepatitis

B

virus-DNA，HBV-DNA)

拷贝数、丙肝抗体、术中失血量、住院天数和手术时

间、门静脉栓塞、肿瘤大小、肿瘤位置、肿瘤个数、肝硬

化、脂肪肝、癌细胞分化程度、癌栓、肿瘤微血管浸润(Microvascular

tumor

invasion,

MVI)、肿瘤包膜、肿瘤

边界以及术后治疗方式。1.4 XGBoost模型的构建和调参采用XGBoost 0. 72与Python 3. 9作为构建模型

的开发工具。首先对数据进行预处理，即对影响LH

手术预后的因素进行赋值，之后将训练集中研究对象

的相关数据送人模型中进行训练，得到最佳参数。构

建模型时，首先需要以树模型的深度调整以及叶子节

点的权值调整为主进行调参，使用交叉验证的方法预

先选定XGBoost决策树的数量，之后采用Grid

Search

CV对其他超参数进行最佳参数的调整，以获得最佳

XGBoost预测模型。15随访患者在完成LH治疗后接受定期随访，随访曰期

的起点为手术日期，终点为检查出肿瘤复发或随访至

2020年9月30日。术后2年内每3个月一次随访，

2年后每6个月一次随访。每次随访内容包括血清

学、CT与MRI检查，以检测肿瘤复发。怀疑复发时，

增强CT、MRI检查或增加数字减影血管造影术确诊。

所有的影像学检查结果均由两位影像学专家共同

确诊。1.6统计学方法采用SPSS

24.0统计软件进行数据分析，

Gmphpad 5. 0软件作图。计数资料以频数（例）和百

分率（％ )表示，组间比较采用;^检验;服从正态分布

的计量资料以均数±标准差（± )表示，两组

间均数比较采用t检验。不服从正态分布的计量资

料以M(P25, /^ )表示，两组间比较采用Marni-

Whitney [/检验。采用Kaplan-Meier法绘制无复发生

存曲线，并采用Log-rank检验进行比较。使用单因

素与多因素C0X回归模型来筛选可能的危险因素。

采用R0C分析XGBoost模型和C0X回归模型对

HCC患者术后肿瘤复发的预测效能。采用Hosmer

and

Lemeshow

Test来评价两种模型的校准度，以P >

〇.〇5为模型与实际情况拟合度良好，可反映真实情

况，并根据列联表中模型预测概率的大小，将患者以

十分位数分为10个组作为横坐标，APP患者死亡发

生率作为纵坐标，绘制校准曲线。以P <0.05为差

异有统计学意义。2 结果21训练组和验证组的临床数据比较本研究纳人接受LH术治疗的原发HCC患者共

440例，其中训练组88例，验证组352例。训练组与

验证组的临床病理数据比较差异均无统计学意义

(P>0.05),见表 1。

• 250 •国际外科学杂志 202丨年4

月第48

卷第 4

期 International Journal of Surgery，April 2021，Vol. 48，No. 4表1训练组和验证组的临床数据比较变量年龄（岁，财性别（例）男性女性乙肝表面抗原（例）阳性阴性丙肝抗体（例）阳性阴性脂肪肝（例）有无CA19-9[ng/mL,AFP[ng/mL, M(Pm,P75>]ALT[IU/L,

M(P25,P-,5)]AST[IU/L,

M(P25,Pli)]总胆红素[mg/dL,财（/^，/>75)]ALB( g/dL, Mean ± SD)国际标准化比值（A/ean ± SZ))血小板计数[lOVmm3 ,

Py ,P75 )]术中失血量[mL, W(P25,P75)]册¥4^拷贝数[1^，对(/^,/>75)]手术时间[min，Af( P25，P75 )]术后TACE治疗（例）无有术后抗病毒治疗（例）无有住院天数[d，a/(p25,p75)]肿瘤大小[cm, ,/>„)]肿瘤位置（例）中心非中心肿瘤个数（例）1个2 ~3个肝硬化（例）无轻度中度重度癌细胞分化程度（例）低中高癌栓（例）有无MVI(例）有无肿瘤包膜（例）无不完全完全肿瘤边界（例）清楚不清楚4939612712. 15(8.64,15. 11 )5.26(2.78,7.39)533563252461214440.31023311911.73(8. 17,14.29)4.82(2.54,7. 18)2101420.294262900..5.026343180..348134911370.253322300.6150.8400.9230.8710.7770.9920.8750.578训练组（n=88)验证组（n= 352)值0.3490.004p值0.7280.94852.59 ±11.317414682.15(14.61,26.58)81.44(53.86,110.04)38.93(11.32,60.81)39.55(14.81,62.39)13.15(9.54,17.38)43. 19 ±3. 151.01 ±0.09188.15(120.44,241.86)217.19(155.51,270.38)2. 18(0.57,3.49)155.64(102.97,199.83)51.88 ±10.94297551.886294580.011193330..27(15.76,26.89)85.21(50.71,108.54)36. 57(10.54,60.01)38.24(13.64,60.12)13.29(9.72,17.59)43.44 ±3.281.03 ±0.09191.06(123.54,246.77)204.56(125.85,263.19)2.29(0.59,3.66)157. 39(105. 08 ,204. 33)0. 1700.9160.9070.7480.7930.2050.2570.0460.4301.2210.3881.5760.4080.4180.9490.4390.4110.8270.7510.9530.6680.2240.7090. 1040.6530.6420.3300.3081.6190.0090.7910.0980.923注:CA19-9:搪类抗原19-9;AFP:甲胎蛋白；ALT:丙氨酸氨基转移酶;AST:天冬氨酸氨基转移酶;ALB:白蛋白；HBV:乙型肝炎病毒;TACE:肝动脉化疗栓塞术；MVI:肿瘤微血管浸润。

国际外科学杂志 2021

年4

月第 48

卷第 4

期 In

丨 emational Journal of Surgery，April 2021，Vol. 48，No. 4• 251 •2.2训练组与验证组的无复发生存曲线训练组与验证组的无复发生存曲线如封四，图1

所示，训练组患者4年复发42例，无复发率为

52.27% ,中位生存时间为48 (40,48)个月；验证组

患者4年复发171例，无复发率为51.42%，中位生存

时间为48(38,48)个月。两曲线的差别无统计学意

义（P>0.05)。2.3训练组中肿瘤复发的单因素COX回归分析结果训练组中肿瘤复发的单因素C0X回归分析结果

显示乙肝表面抗原阳性、AFP升高、AST升高、ALT升

高、手术过程失血量大、肿瘤较大、肿瘤个数> 1、肝硬

化、癌细胞分化程度较低、癌栓、无MVI以及肿瘤边界

不清是原发性HCC患者LH术后复发的重要预后因

素。见表2。表2训练组中肿瘤复发的单因素COX回归分析(例)变量训练组肿瘤复发

(n = 88)(n = 42)///?值95%可信区间P值年龄（岁）0.7150.451

〜1.1260.212<657637彡65125性别0.9480.572

〜1.5980.860男性7435女性147乙肝表面抗原2.1251.418

〜3.2010.004阴性204阳性6838丙肝抗体0.9140.721 -1.1070. 185阴性8340阳性52脂肪肝0.9570.763 ~1.1510.208无6934有198AFP( ng/mL)1.7511.281 -2.400 <0.001<2004920多2003922CA19-9( ng/mL)1.3060.867 ~1.9560. 115<356731彡352111AST(IU/L)1.9411.237 -3.050 <0.001<507232彡501610ALT( IU/L)1.7171. 140-2.314 <0.001<506729多502113ALB(g/dL)0.7870. 144-3.7800.793<3521彡358641总胆红素（mg/dL)1. 1850.798 -1.8650.427<17. 17133多 17. 1179血小板计数

(103/mm3)0.6530.293 - 1.5330.211<8042多808440国际标准化比值2.4980.982

〜4.0140.083续表1彡 0.85100. 85

〜1 • 28540>1.222HBV-DNA拷贝数(log)1. 1520.832 ~1.5900.457<23917多24925术中失血量（mL)2. 1571. 108

〜4.205<0.001<8008137彡80075手术时间（min)1.2080.783 -1.8690.288<20074355=200147肿瘤大小（cm)2.2041.599 -3.041<0.001<55019彡53823肿瘤个数（个）

2.4051.673

〜3.473<0.001163252 ~32517肝硬化1.7351.229 -2.4490.009没有249轻度6131中度21重度11术后TACE治疗0.8930.711 ~1.0750. 107无4925有3917术后抗病毒治疗0.8510.625 - 1.0780.094无6131有2711癌细胞分化程度0.6360.467 -0.8700.006低4424中4017高41癌栓4.5172.247 -9.561<0.001无8036有86MVI2.3961.751

〜3.294<0.001无5219有3623肿瘤包膜0.9350.596 -1.4550. 112无3217不完全2012完全3613肿瘤边界2.6371.498 -4.853<0.001清楚7936不清楚96注:CA19-9:糖类抗原19-9;AFP:甲胎蛋白；ALT:丙氨酸氨基转

移酶;AST:天冬氨酸氨基转移酶;ALB:白蛋白；HBV:乙型肝炎病毒；

TACE:肝动脉化疗栓塞术;MVI:肿瘤微血管浸润。2.4训练组中肿瘤复发的多因素COX回归分析

结果训练组中肿瘤复发的多因素C0X回归分析结果

显示乙肝表面抗原、肿瘤个数、肿瘤大小、癌细胞分化

程度、癌栓和MVI为肿瘤复发的独立预测因素。见

表3。

• 252 •国际外科学杂志 202丨年4

月第48

卷第4

期丨mmiatirnial JoumaUf Surgery, April 202丨，V«l. 48, No.4表3训练组中肿瘤复发的多因素C变量乙肝表面抗原阴性阳性训练组肿瘤复发

OX回归分析（例)P值0.0392.5

XGboost模型的构建构建预测HCC(n=88)(n = 42)HK值95%可信区间1.8051.055 -2.555患者LH术后复发的XGboost模

型，得到6个预测因素，其预测能力由大到小依次为

存在癌栓、癌细胞分化程度低、出现MVI、肿瘤个数较

多、肿瘤较大、乙肝表面抗原阳性;各预测因素能力评

分依次为 32、29、24、18、16、11 分。2.6两种模型预测效能比较以HCC2724381. 1050.761 -1.59720221. 1410.685 ~1.90732101.3410.878

〜2.05329131.6930.831 -3.4053751.5441.272 -1.81619231.9051.354-2.704<0.00125171. 1450.826-1.587931110.7690.619 -0.819241712.4771.465

〜4. 251<0.0010.0270.5070.0080.1840. 1640.6810. 503AFP( ng/mL)<200多200AST(IU/L)<50彡50患者LH术后是否复发作为因变量，以

上述预测因素作为自变量，将训练组和验证组数据集

代人基于训练集建立的C0X回归模型和XGBoost学

习模型中，分别做出两种模型的R0C曲线，如封四，

图2所示。结果显示，无论是在训练组还是在验证组

中，XGBoost模型预测复发的AUCALT(IU/L)<50彡50术中失血量（mL)值均与C0X回归

<800彡800肿瘤大小（cm)模型更大，且敏感度、特异度和约登指数等指标也较

高。具体数据见表4。2.7两种模型的校准度两种模型的校准情况如封四，图3所示。训练组

中，C0X回归模型与实际复发情况Hosmer

and

Lemeshow

Test

的<5多5肿瘤个数（个）12 ~3肝硬化没有轻度中度重度癌细胞分化程度低中高癌栓无有;=

0. 293，P =0• 588 ;XGBo«st

模型

与实际复发情况

Hosnier

ancl

Lemeshow

Test

的;=

0. 241，P = 0.624。验证组中，COX回归模型与实际

复发情况

Hosmer

and

Lemeshow

Test

的;^-

=0• 355,

P=0.437;XGB〇ost模型与实际复发情况Hosmer

and

Lemeshow

Test

的;^- =

0• 423，Z3 = 0. 383。3讨论HCC是一种临床多见的原发性肝癌，发病隐匿

不易察觉,进展迅速且病死率高〜，加之发病机制非

常复杂，以致该病难以治愈，复发率一直居高不

下[1°]。目前HCC的治疗方式包括肝切除术、射频消

8083661.7861.263 -2.546<0.001MVI无有肿瘤边界清楚不清楚融、介人以及放射治疗等[u]，其中肝切除手术是首选

的治疗方式，与其他治疗方式相比具有更好的远期疗

效h2]。与传统开腹肝切除术相比，LH在彻底清除肿

523619231.0120.562

〜1.8410.569799366瘤的基础上，还可以尽童的保留正常肝组织，降低患

者损伤程度，具有更好的短期与长期预后效果[13]。

然而目前关于LH术后肿瘤复发的预测因素还不是

非常清楚，因此需要进一步完善相关研究。注：AFP:甲胎蛋白；ALT:丙氨酸氨基转移酶;AST:天冬氨酸氨基

转移酶；MVI:肿瘤微血管浸润。表4

组别训练组模型ROC曲线评价两种模型的预测效能敏感度特异度约登指数AUC0.746(0.730

〜0.762)0.802(0.785

〜0.818)0.732(0.715 -0.748)0.791(0.776 -0.806)P值<0.001<0.001<0.001<0.001C0X回归模型XGBoost

模型68.8469. 1468.7575.7168. 1478.6366.7469.850.36980.47770. 35490.4557验证组C0X回归模型XGBoost

模型

国际外科学杂志 202丨年4

月第 48

卷第 4

期丨ntemational Journal of Surgery，April 2021，Vol. 48，No. 4• 253 •近年来，机器学习算法在人工智能领域渐渐崭露

头角，它不仅可以利用编好的程序进行统计分析，还

可以通过总结已有的数据与结果来完善程序的整体

性能，提升自己的统计分析能力141。目前，机器学习

算法已发展出多种模型，其中就包括XGBoost模型，

该模型由华盛顿大学研究机器学习的陈天奇博士于

2014年2月首次提出[15]。近年来，XGB»ost模型由

于其突出的学习能力，高效的训练速度以及出色的预

测能力，受到了广泛关注，并在各种算法竞赛中取得

了优异的成绩[16]。XGBm>st是一种大规模并行

boosted

tree的工具，是目前最快最好的开源boosted

tree工具包，比其他常见的工具包快10倍以上[17]。本研究采用XGBoost机器学习算法和C0X回归

分析2种方法构建预测模型，所筛选出的6个独立预

测因素完全一致。这6个预测因素的预测能力从高

到低依次为癌栓、癌细胞分化程度、MVI、肿瘤个数、

肿瘤大小、乙肝表面抗原。癌栓是肝脏肿瘤常见的一

种并发症n8],不仅是癌细胞侵袭血管或淋巴系统的

标志之一,还是肝癌分期、分级和预后评估的重要参

考指标[19]。它可以通过影响血液的凝血功能，对机

体产生一系列的病理生理改变，甚至造成癌细胞转

移，导致术后复发[2°]。癌细胞分化程度低的肿瘤，其

恶性程度较高，侵袭性也高，癌细胞增殖快，因此更易

突破包膜，进而向周围组织浸润侵袭,造成癌细胞转

移，提高术后复发的风险:2U。MVI、多发肿瘤和肿瘤

较大的出现往往意味着肿瘤已经处于后期，转移的概

率大大增加，且由于手术需尽可能保留正常肝脏组

织，不宜造成太大伤害，因此术后易有癌细胞残留，易

对手术预后产生不好的影响[&24]。乙肝表面抗原阳

性造成HCC术后复发的原因是病毒感染。有研究报

道，HBV感染后，会将自身DNA整合进宿主细胞的

基因组中，加速细胞癌变的过程，致使患者术后

复发[25]。本研究还采用R0C曲线比较了两种模型的预测

效能，结果显示，无论是在训练组还是在验证组中，

XGBoost模型均有较强的预测效能，且敏感度、特异

度和约登指数等指标也较高。XGBoost模型优于

C0X回归模型最重要的原因在于机器学习算法中，

每一个自变量与每例研究对象的结局之间不是简单

的线性关系，它可以自动发现并直接利用各个因素之

间的非线性关系以及交互作用，提高预测能力，具有

重要的临床使用价值。4小结综上所述，本研究筛选出HCC患者LH术后复

发的独立预测因素共6个，预测能力由大到小依次为癌栓、肿瘤分化程度、MVI、肿瘤个数、肿瘤大小、乙肝

表面抗原。XGBoost模型可用于HCC患者接受LH

治疗后复发的预测分析，其预测能力无论是在训练集

还是在验证集中，均优于C0X回归模型。本研究可

为X(;B〇〇st机器学在预测分析HCC患者LH术后

复发提供理论依据，然而研究对象例数较少，因此还

需要大数据对研究结果进行验证。HCC患者复发率

高，预后差，因此肿瘤早发现、早诊断、早治疗,加强术

后复诊是改善患者预后的重要措施。利益冲突所有作者均声明不存在利益冲突参考文献[1 ] Feng RM, Zong YN, Cao SM, et al. Current cancer situation in

China： good or l>ad news from the 2018 Global Cancer Statistics?

[J]. Cancer Coinmun( Lond) , 2019, 39(1

)： 22-33. DOI： 10.1186/s40880-019-0368-6.[2]肖朝辉，刘荣.肝癌患者术后复发分子标志物的临床研究进

展[J].中华肝胆外科杂志，2017, 23(4): 277-281. D0I: 10.

3760/cma. j. issn. 1007-8118.2017.04.018.[3 ] Feng LH, Dong H , l^u WY , et al. Novel microvascular invasion-

based prognostic nomograms to predict survival outcomes in patients

after R0 resection for hepatocellular carcinoma [ J ]. J Cancer Res

Clin Oncol, 2016, 143(2)： 293-303. DOI： 10. 1007/s00432-

016-2286-1.[4 ] Witowski J, Ruhinkiewicz M, Mizera M, el al. Meta-analysis of

short-and long-term outcomes after pure laparoscopic versus open

liver surgery in hepatocellular carcinoma patients [ J ]. Surg

Endosc, 2019, 33(5)

： 1491-1507. DOI： 10. 1007/s00464-018-

6431-6.[5] Goh EL, Chidambaram S, Ma S. Laparoscopic vs open

hepatectomy for hepatocellular carcinoma in patients with cirrhosis：

A meta-analysis of ihe long-term survival outcomes [ J ]. Int J

Surg, 2018, 50： 35-42. DOI： 10. 1016/j. ijsu. 2017. 12.021.[6] Shang HT, Bao JH, Zhang XB, et al. Comparison of clinical

efficacy and complications between laparoscopic partial and open

partial hepatectomy for liver carcinoma： a Meta-analysis [ J ]. J

Iuaparoendosc Adv Surg Tech A, 2019, 29(2)： 225-232. DOI：

10. 1089/lap. 2018.0346.[7]

刘杰，成剑.肝癌腹腔镜解剖性肝切除术的若干问题再[J]•肝胆胰外科杂志，2020, 32(5): 15-19. D0I: 10.11952/

j. issn. 1007-1954.2020.05.003.[8]

贾文慧，孙林子，景英川.基于XGBoost模型的股骨颈骨折手

术预后质量评分预测[•!].太原理工大学学报，2018,

49(1):

174. D0I： 10. 16355/007-9432tyut. 2018.01.027.[9]

李晓明，姚立鹏.精准肝切除治疗原发性肝癌的临床研究

[J].临床和实验医学杂志，2017, 16(19): 1940-1943. D0I:

10. 3969/j. issn. 1671-4695.2017. 19.022.^ 10] Delos Santos S, Udayakumar S, Nguyen A, et al. A systematic

review and network meta-analysis of second-line therapy in

hepatocellular carcinoma [ J ]. Curr Oncol, 2020, 27 ( 6 )

： 300-

306. DOI： 10.3747/co.27.6583.议

• 254 •国际外科学杂志 2021

年4

月第48

卷第 4

期丨rUemalional Journal of Surgery，April 2021，Vo

丨• 48，No. 4[11] Bennett S, S0reide K, Gholami S, el al. Strategies for the Delay of

Surgery in the Management of Resectable Hepatobiliary [19]

Malignancies during the COVID-19 Pandemic* [ J ]. Curr Oncol,

2020, 27(5)

： 501-511. DOI： 10.3747/c〇. 27. 6785.12152. DOI： 10.26355/eurrev_202012_ X, Zhu Y, Zhao X, et al. The Prognostic Comparison

Between Hepatocellular Carcinoma with Portal Vein Tumor

Thrombus and Bile Duct Cancer Thrombus After Liver Resection

[J]. Cancer Manag Res, 2020, 12( 1

)： 12077-12086. DOI：

10.2147/CMAR. S278777.[20]

牟思玉，辛洋，李天翔，等.肝细胞癌根治性切除术后复发伴

门静脉癌栓危险因素分析[J].中国实用外科杂志，2019, 39

[12]

刘学军，木努热丁，艾则孜，等.精准肝切除术联合肝动脉化

疗栓塞术治疗原发性肝癌的临床分析[J].广西医科大学学

^,2017, 34( 11

)： 1624-1626. DOI： 10. 16190/j. cnki. 45-

1211/r. 2017. 11.25.[13] Amaro CP, Tam VC. Management of Hepatocellular Carcinoma

after Progression on First-Line Systemic Treatment： Defining the

Optimal Sequencing Strategy in Second Line and Beyond[J]. Curr

Oncol, 2020, 27(13)

： 173-180. DOI： 10. 3747/co. 27. 7103.[14] Hou N, Li M, He L, et al. Predicting 30-days mortality for

MIMIC-III patients with sepsis-3： a machine learning approach

using XGboost[J]. J Transl Med, 2020, 18(1)： 462. DOI： 10.[22]

(6)： 610-614. DOI： 10. 19538/j. cjps. issnl005-2208. 2019.

06.20.[21]

宋书红，郭俊，邹灿.肝癌手术切除术后复发相关因素分析

[J]•实用肝脏病杂志，2017, 20(2): 203-206. D0I: 10.

3969/j. issn. KF, Chong CCN, Fong AKW, et al. Pattern of disease

recurrence and its implications for postoperative surveillance after

curative hepatectomy for hepatocellular carcinoma： experience from

a single center[ J]. Hepatobiliary Surg Nutr, 2018, 7(5)

： 320-

330. DOI： 10. 21037/hbsn. 2018.03. 17.[23]

邓强，林伙明，罗顺峰.肝硬化肝细胞癌和非肝硬化肝细胞癌

患者肝癌切除术预后因素分析[J/CD].中国肝脏病杂志（电

子版），2018，10 ( 3):20-26.001:10.3969/】.1明11.1674-

1186/sl2967-020-02620-5.[15]

陈海兵，卫亚楠，许晓泉，等.基于XGBoost人工智能结合CT

构建甲状腺癌颈部淋巴结转移预测模型[J].山东大学耳鼻喉

眼学报，2020

, 6 ( 3):40-45.001:10.6040/』.1明11.1673-

3770.1.2020.031.[16] Yu D, Liu Z, Su C, et al. Copy number variation in plasma as a

tool for lung cancer prediction using Extreme Gradient Boosting

(XG Boost) classifier [ J ]. Thorac Cancer, 2020, 11 (1)： 95-

102. DOI： 10.1111/1759-7714.13204.[17] Zopluoglu C. Detecting Examinees With Item Preknowledge in

Large-Scale Testing Using Extreme Gradient Boosting ( XGBoost)

[J]. Educ Psychol Meas, 2019, 79(5)： 931-961. DOI： 10.

1177/9439.[18] Wei YY, Ren TL. MicroRNA-30a-3p inhibits malignant

progression of hepatocellular carcinoma through regulating IGF1

[J]. Eur Rev Med Pharmacol Sci, 2020, 24 ( 23

)： 12144-[25]

[24]

Y, Yi Y, Huang J, et al. Prognostic nomograms stratify survival

of patients with hepatocellular carcinoma without portal vein tumor

thromlxjsis after curative resection [ J ]. Oncologist, 2017 , 22 (2

)：

561-569. DOI： 10. 1634/ HS, El-Serag HB. Tenofovir vs. entecavir in reducing

hepatocellular carcinoma risk in patients with chronic HBV

infection? -Still an unsolved question [ J ]. Hepatobiliary Surg

Nutr, 2021, 10(1)： 119-122. DOI： 10. 21037/hbsn-2020-3.(收稿日期:2021-01_23)同期三镜联合手术与分期两镜手术治疗

胆总管结石合并胆囊结石的对比研究武森1周铁2王轶3毛谅2伏旭2仇毓东K21南京医科大学鼓楼临床学院210008;2南京鼓楼医院肝胆胰中心

210008;3南京鼓楼医

院消化科210008通信作者：仇敏东，Email:

yudongqiu510@

nju.

edu.

cn【摘要】目的比较同期经腹腔镜胆囊切除术（LC) +胆道镜探查、取石+内镜引导下鼻胆管置人术

(三镜联合手术）与分期经内镜逆行胰胆管造影术（ERCP) +

LC(两镜手术）治疗胆囊结石合并胆总管结石

的临床疗效。方法回顾性分析2018年1月一2020年6月南京鼓楼医院肝胆胰中心同一治疗组完成的

83例胆囊结石合并胆总管结石的临床资料，根据不同的手术方式将其分为三镜组（„ =42)和两镜组（n =

41),三镜组中患者均行同期三镜联合手术（同期LC +胆道镜探査、取石+内镜引导下鼻胆管置人术），两镜

组中患者均行ERCP后择期行LC,比较两组的手术时间、术中出血量、结石一次清除率、术后排气时间、术后

排便时间、住院总费用、术后急性胰腺炎发生率、术后结石复发率、术后胆管炎发生率、术后胆瘘发生率、总