Новая прогностическая модель исходов трансплантации печени по поводу гепатоцеллюлярной карциномы

Актуальность. Трансплантация печени является одним из приоритетных вариантов лечения гепатоцеллюлярной карциномы при наличии цирроза печени, однако точное прогнозирование исходов после операции остается сложной задачей. Существующие модели прогнозирования часто не учитывают возраст пациентов и тип донора. Улучшенные модели, включающие эти параметры, могут повысить точность прогнозов и эффективность лечения, что крайне важно в условиях такого динамично развивающегося направления, как трансплантология.

Цель. Разработка прогностической модели исходов трансплантации печени у пациентов с гепатоцеллюлярной карциномой и циррозом печени.

Материал и методы. В ретроспективное исследование вошли 69 пациентов с гепатоцеллюлярной карциномой на фоне цирроза печени, которым выполнена трансплантация печени в период с мая 2010 по декабрь 2022 года. Из них 42 пациента (61%) получили орган от живых, а 27 (39%) – от посмертных доноров. Исследование включало анализ уровня альфа-фетопротеина в крови, а также оценку группы радиологических (максимальный размер опухолевого узла, их количество) и гистологических параметров (максимальный размер опухолевого узла, их количество, наличие сосудистой инвазии). Для прогнозирования безрецидивной выживаемости использовалась модель регрессии Кокса. Результаты прогноза 5-летней безрецидивной выживаемости, возраст реципиента, тип донора, были повторно использованы в модели Кокса для прогнозирования общей выживаемости.

Результаты. Разработаны четыре модели для прогнозирования безрецидивной и общей выживаемости на основе гистологических и радиологических данных, продемонстрировавшие высокую прогностическую ценность моделей с С-индексом на обучающих/тестовых данных 0,76/1; 0,73/1; 0,78/0,8; 0,6/0,8 соответственно. Все модели показали точность прогнозирования безрецидивной выживаемости, сравнимую с Миланскими критериями. Модели представлены в виде калькулятора и доступны на веб-ресурсе https://nadit.ru/calculate_HCC.

Выводы. Разработанные прогностические модели являются важными инструментами для персонифицированного прогнозирования исходов после трансплантации печени по поводу гепатоцеллюлярной карциномы. Для повышения точности этих моделей необходимо дальнейшее объединение и валидация данных из различных медицинских центров, открытое научное сотрудничество.

1. Kim SJ, Kim JM. Prediction models of hepatocellular carcinoma recurrence after liver transplantation: a comprehensive review. Clin Mol Hepatol. 2022;28(4):739–753. PMID: 35468711 https://doi.org/10.3350/cmh.2022.0060

2. Гранов А.М., Гранов Д.А., Жеребцов Ф.К., Герасимова О.А., Боровик В.В., Осовских В.В. и др. Трансплантация печени в РНЦРХТ. Опыт 100 операций. Вестник трансплантологии и искусственных органов. 2012;14(4):11– 16. https://doi.org/10.15825/1995-1191-2012-4-11-16

3. Восканян С.Э., Сушков А.И., Артемьев А.И., Забежинский Д.А., Найденов Е.В., Башков А.Н. и др. Salvage-трансплантация печени при лечении гепатоцеллюлярной карциномы. Хирургия. Журнал им. Н.И. Пирогова. 2019;(10):21–28. https://doi.org/10.17116/hirurgia201910121

4. Восканян С.Э., Найденов Е.В., Артемьев А.И., Колышев И.Ю., Забежинский Д.А., Губарев К.К. и др. Отдаленные результаты трансплантации печени при гепатоцеллюлярном раке. Анналы Хирургической Гепатологии. 2021;26(2):68–82. https://doi.org/10.16931/10.16931/1995-5464.2021-2-68-82.5

5. Олисов О.Д., Новрузбеков М.С., Гуляев В.А., Луцык К.Н. Роль ингибиторов кальциневрина в прогрессии гепатоцеллюлярной карциномы после трансплантации печени. Трансплантология. 2022;14:292–300. https://doi.org/10.23873/2074-0506-2022-14-3-292-3006

6. Goldberg D, Mantero A, Newcomb C, Delgado C, Forde KA, Kaplan DE, et al. Predicting survival after liver transplantation in patients with hepatocellular carcinoma using the LiTES-HCC score. J Hepatol. 2021;74(6):1398–1406. PMID: 33453328 https://doi.org/10.1016/j.jhep.2020.12.021

7. Mazzaferro V, Sposito C, Zhou J, Pinna AD, De Carlis L, Fan J, et al. Metroticket 2.0 model for analysis of competing risks of death after liver transplantation for hepatocellular carcinoma. Gastroenterology. 2018;154(1):128– 139. PMID: 28989060 https://doi.org/10.1053/j.gastro.2017.09.025

8. Humar A, Ganesh S, Jorgensen D, Tevar A, Ganoza A, Molinari M, et al. Adult living donor versus deceased donor liver transplant (LDLT Versus DDLT) at a single center: time to change our paradigm for liver transplant. Ann Surg. 2019;270(3):444–451. PMID: 31305283 https://doi.org/10.1097/SLA.0000000000003463

9. Goldaracena N, Gorgen A, Doyle A, Hansen BE, Tomiyama K, Zhang W, et al. Live donor liver transplantation for patients with hepatocellular carcinoma offers increased survival vs. deceased donation. J Hepatol. 2019;70(4):666– 673. PMID: 30630009 https://doi.org/10.1016/j.jhep.2018.12.029

10. Beumer BR, Polak WG, De Man RA, Metselaar HJ, Van Klaveren D, Labrecque J, et al. Impact of waiting time on post-transplant survival for recipients with hepatocellular carcinoma: A natural experiment randomized by blood group. JHEP Rep. 2023;5(2):100629. PMID: 36654943 https://doi.org/10.1016/j.jhepr.2022.100629

11. Maspero M, Yilmaz S, Cazzaniga B, Raj R, Ali K, Mazzaferro V, et al. The role of ischaemia-reperfusion injury and liver regeneration in hepatic tumour recurrence. JHEP Rep. 2023; 5(11):100846. PMID: 37771368 https://doi.org/10.1016/j.jhepr.2023.100846

12. Duvoux C, Roudot-Thoraval F, Decaens T, Pessione F, Badran H, Piardi T, et al. Liver transplantation for hepatocellular carcinoma: a model including α-fetoprotein improves the performance of Milan criteria. Gastroenterology. 2012;143(4):986–994.e3. PMID: 22750200 https://doi.org/10.1053/j.gastro.2012.05.052

13. Halazun KJ, Najjar M, Abdelmessih RM, Samstein B, Griesemer AD, Guarrera JV, et al. Recurrence after liver transplantation for hepatocellular carcinoma: a new MORAL to the story. Ann Surg. 2017;265(3):557–564. PMID: 27611615 https://doi.org/10.1097/SLA.0000000000001966

14. Mehta FY, Heimbach J, Harnois DM, Sapisochin G, Dodge JL, Lee D, et al. Validation of a Risk Estimation of Tumor Recurrence After Transplant (RETREAT) Score for hepatocellular carcinoma recurrence after liver transplant. JAMA Oncol. 2017;3(4):493–500. PMID: 27838698 https://doi.org/10.1001/jamaoncol.2016.5116

15. Lee JH, Cho Y, Kim HY, Cho EJ, Lee DH, Yu SJ, et al. Serum tumor markers provide refined prognostication in selecting liver transplantation candidate for hepatocellular carcinoma patients beyond the Milan criteria. Ann Surg. 2016;263(5):842–850. PMID: 26779979 https://doi.org/10.1097/SLA.0000000000001578

16. Nam K, Lee J, Bae J, Chang Y, Cho Y, Sinn D, et al. Novel model to predict HCC recurrence after liver transplantation obtained using deep learning: a multicenter study. Cancers (Basel). 2020;12(10):2791. PMID: 33003306 https://doi.org/10.3390/cancers12102791