龚红梅，毛 青，蒋 黎

    陆军军医大学第一附属医院感染病科(重庆 400038)

    慢加急性肝衰竭(acute-on-chronic liver failure, ACLF)是一种多种诱因所致的以慢性肝病发生急性肝功能恶化为表现的综合征[1-2]，是我国最常见的肝衰竭类型[3]，是慢性肝病患者的主要死因，早期病死率高达50%～90%[4-5]。肝移植仍然是ACLF 患者有益的治疗策略，但由于费用昂贵和供体稀缺，只有少数患者可以接受肝移植[6]。因此，早期发现、准确评估预后并尽早干预对改善ACLF 患者的疾病转归至关重要。近年来，不同地区不同国家先后报道了不同病因谱的ACLF 预后预测模型，以帮助临床决策，但这些传统的ACLF 预测模型基本采用以数据驱动的方式，利用注册表数据或回顾性队列构建，更倾向于评估长期结果。近年来，人工智能(artificial intelligence，AI)在肝病领域中的不断深入应用与AI 方法、计算能力的显著进步以及大型数据队列的可用性不谋而合。在临床建模预测预后时，AI 面对复杂问题进行复杂分析的能力相对单纯的数据分析更有运用前景。由此，可利用AI 探讨ACLF 预后模型的构建并辅助医疗决策。本文拟综述AI 在ACLF 预后预测中的应用进展，利于临床医生对ACLF 预后评估的认识开拓新的思路。

    1 ACLF常用的预后评分模型

    目前，我国临床预测ACLF 常用的预后评分模型有终末期肝病模型(MELD 评分系统)、在MELD 基础上建立的MELD-Na 评分系统、基于MELD 模型增加血清Na+和年龄两个指标的iMELD 评分系统、慢性肝功能衰竭序贯器官衰竭评估(CLIF-SOFA)评分、由CLIF-SOFA改良的简化器官功能评分系统(CLIF-C OF)和ACLF 特定预后评分(CLIF-C ACLF)，以及中国重症乙型病毒性肝炎研究小组ACLF 标准(COSSH- ACLF 和COSSH-ACLF II)等。不同评分系统针对的评估人群、评估目的、评估指标以及评分公式各有不同(表1)。

    表1 我国ACLF常用预后评分模型Table 1 Commonly used prognostic scoring models for ACLF in China

    由于导致肝损伤的病因不同、慢性肝病的阶段不同(是否合并肝硬化)以及发病后有无合并肝外器官功能衰竭不同 ......