Intégration de la prothrombine anormale (PIVKA-II), de l'alpha-fœtoprotéine et de variables cliniques de routine pour la détection précoce du carcinome hépatocellulaire

Mingxia Shou; Rui Shen; Guoqian Xiang; Yulin Wu; Qinghui Xia

doi:10.3791/70558

Un abonnement JoVE est requis pour visualiser ce contenu. Connectez-vous ou commencez votre période d'essai gratuite.

Article de recherche

Intégration de la prothrombine anormale (PIVKA-II), de l'alpha-fœtoprotéine et de variables cliniques de routine pour la détection précoce du carcinome hépatocellulaire

68 vues

⸱

DOI :

10.3791/70558

⸱

25 août 2026

Mingxia Shou¹ , Rui Shen¹ , Guoqian Xiang¹ , Yulin Wu¹ , Qinghui Xia¹

¹Department of Laboratory Medicine, Affiliated Hangzhou First People's Hospital, School of Medicine, Westlake University

Dans cet article

Résumé

Ce protocole décrit un flux de travail reproductible permettant d'intégrer PIVKA-II, AFP et des variables cliniques de routine dans un modèle diagnostique de régression logistique pour le carcinome hépatocellulaire, avec une validation dans les stades précoces et les cas négatifs pour l'AFP.

Résumé

La détection précoce du carcinome hépatocellulaire (CHC) reste limitée par la sensibilité incomplète de l'alpha-foetoprotéine (AFP), en particulier pour les tumeurs au stade précoce et les tumeurs négatives pour l'AFP. Cette étude a évalué si la prothrombine anormale/protéine induite par l'absence de vitamine K-II (PIVKA-II), l'AFP et les variables cliniques habituelles pouvaient être intégrées dans un modèle diagnostique reproductible pour le CHC. Une cohorte d'apprentissage rétrospective de 205 participants, comprenant 112 cas de CHC confirmés par imagerie et 93 témoins sans CHC, a été utilisée pour le développement du modèle. Une cohorte indépendante de validation prospective de 184 participants, incluant 58 cas de CHC et 126 témoins sans CHC, a été utilisée pour des tests hors échantillon sans réajustement du modèle. Des échantillons sanguins prélevés avant l'imagerie ont été utilisés pour la mesure de l'AFP et de la PIVKA-II, et les variables cliniques ont été extraites de la même fenêtre diagnostique. Le modèle final de régression logistique multivariée combinait ln(AFP), ln(PIVKA-II), l'âge, le sexe, l'albumine, le ratio normalisé international et le nombre de plaquettes. Le modèle combiné a atteint une AUC de 0,93 dans la cohorte d'apprentissage et de 0,89 dans la cohorte de validation. Lors de la validation, la sensibilité était de 84,5 % et la spécificité de 90,5 %. La sensibilité restait de 72,7 % pour le CHC au stade précoce et de 73,1 % pour le CHC négatif à l'AFP, dépassant l'AFP seule dans les deux sous-groupes. La calibration et la validation par rééchantillonnage avec remise ont confirmé une stabilité acceptable du modèle. Ces résultats montrent comment la PIVKA-II, l'AFP et les variables cliniques habituellement disponibles peuvent être combinées en un outil diagnostique de tri pratique pour les populations à haut risque de maladie hépatique.

Introduction

Le carcinome hépatocellulaire (CHC) est l'une des principales causes de mortalité liée au cancer et survient généralement chez des patients atteints d'une maladie hépatique chronique, notamment une infection par le virus de l'hépatite B, une infection par le virus de l'hépatite C, une maladie hépatique liée à l'alcool ou une stéatose hépatique associée à une dysfonction métabolique¹. La détection précoce revêt une importance clinique majeure, car le traitement curatif est le plus efficace lorsque les tumeurs sont découvertes avant l'invasion vasculaire, la dissémination extra-hépatique ou une détérioration marquée de la réserve hépatique. Les stratégies actuelles de surveillance s'appuient généralement sur l'échographie hépatique, avec ou sans dosage sérique de l'alpha-foetoprotéine (AFP)². Toutefois, dans la pratique courante, la performance de la surveillance est compromise par la dépendance à l'opérateur, la petite taille des tumeurs, la présence de nodules cirrhotiques hétérogènes, les difficultés d'imagerie liées à l'obésité et les tumeurs produisant peu ou pas d'AFP³^,⁴.

L'AFP reste largement utilisé car il est peu coûteux, accessible et familier aux cliniciens. Sa valeur diagnostique est limitée par une sensibilité incomplète et une spécificité imparfaite. Au seuil conventionnel de 20 ng/mL, l'AFP peut manquer une proportion importante de cas de carcinome hépatocellulaire (CHC) aux stades précoces ou négatifs pour l'AFP. Des seuils plus bas pourraient améliorer la sensibilité, mais augmenteraient le nombre de résultats faussement positifs chez les patients atteints d'hépatite active, de cirrhose ou d'autres affections hépatiques inflammatoires⁵^,⁶. Ces limites rendent l'interprétation fondée sur un seul marqueur insuffisante pour le tri diagnostique dans les populations à haut risque de maladie hépatique.

La protéthrombine anormale, également connue sous le nom de protéine induite par l'absence de vitamine K-II (PIVKA-II) ou protéthrombine dés-γ-carboxylée, est libérée lorsque les hépatocytes malins produisent une protéthrombine incomplètement carboxylée. La PIVKA-II reflète la biologie tumorale liée à la coagulation plutôt que la sécrétion d'AFP et peut rester informative lorsque les taux d'AFP sont faibles⁷. Des études antérieures et des méta-analyses ont montré que la PIVKA-II améliore la détection du carcinome hépatocellulaire (CHC), en particulier lorsqu'elle est combinée à l'AFP, et pourrait apporter une valeur ajoutée dans les cas de maladie à un stade précoce ou négative pour l'AFP⁸^,⁹. Toutefois, les stratégies fondées uniquement sur les marqueurs ne tiennent pas pleinement compte du terrain hôte, de la réserve hépatique, du chiffre plaquettaire, de l'état de la coagulation ou de la maladie hépatique sous-jacente.

Les modèles diagnostiques composites offrent un moyen pratique d'interpréter conjointement les résultats des marqueurs tumoraux et le contexte clinique. Les modèles GALAD, GAAD et apparentés ont montré que les variables démographiques et les biomarqueurs peuvent être combinés pour améliorer la détection du carcinome hépatocellulaire (HCC) dans différentes étiologies et populations¹⁰^,¹¹. Leurs performances appuient l'utilisation d'une estimation du risque multivariée plutôt que de seuils isolés pour les biomarqueurs. Par ailleurs, certains modèles incluent des dosages non disponibles dans tous les laboratoires, et le comportement des seuils peut varier selon les régions, les profils étiologiques, les stades de la maladie et l'usage clinique visé¹². Un modèle construit à partir de biomarqueurs largement disponibles et de variables de laboratoire courantes pourrait être plus facile à intégrer dans les flux de travail diagnostiques habituels. Contrairement aux modèles publiés précédemment, qui peuvent s'appuyer sur des biomarqueurs spécialisés ou des stratégies de seuil spécifiques à une population, la présente étude a évalué un modèle diagnostique multivarié fondé sur des biomarqueurs largement accessibles et des variables cliniques de routine, et a validé ses performances dans une cohorte prospective indépendante.

Le PIVKA-II convient à ce cadre car il complète l'AFP et peut être mesuré sur des plateformes d'immunodosage automatisées déjà utilisées dans les laboratoires cliniques. Des variables courantes telles que l'âge, le sexe, l'albumine, la bilirubine, le nombre de plaquettes, le ratio normalisé international et les antécédents de maladie hépatique sont disponibles lors de la même consultation clinique et peuvent refléter des informations relatives à la réserve hépatique ou à la coagulation pertinentes pour le risque de carcinome hépatocellulaire¹³. La combinaison de ces variables avec l'AFP et le PIVKA-II pourrait améliorer la discrimination tout en évitant de dépendre d'un seuil unique.

PIVKA-II, AFP et variables cliniques de routine ont donc été évalués à l'aide d'un dispositif diagnostique à double cohorte. Un modèle de régression logistique multivariée a été développé dans une cohorte d'apprentissage rétrospective et testé dans une cohorte de validation prospective indépendante, sans réajustement. La performance diagnostique a été comparée à celle de l'AFP, du PIVKA-II et des variables cliniques prises isolément, en portant une attention prédéfinie aux cas de CHC à un stade précoce, aux CHC négatifs pour l'AFP, à l'interprétation des seuils, à la calibration et à la validation interne par rééchantillonnage bootstrap.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

Cette étude a été examinée et approuvée par le Comité d'éthique de l'Hôpital populaire n°1 affilié, École de médecine de l'Université Westlake. Le numéro d'approbation était IIT-20230528-0108-01. Un consentement éclairé écrit a été obtenu auprès des participants recrutés de manière prospective avant le prélèvement sanguin. Pour les dossiers cliniques inclus de manière rétrospective et les échantillons résiduaires archivés collectés lors de soins de routine, le consentement éclairé a été dispensé par le comité d'éthique, car des données anonymisées ont été utilisées et aucune intervention supplémentaire n'a été réalisée.

Reproductibilité, contrôle des biais et intégrité des données

Les critères d'éligibilité, les moments de prélèvement sanguin, les règles d'adjudication des images, les définitions des sous-groupes, les prédicteurs candidats, les définitions des seuils, les règles de gestion des données manquantes et les procédures de validation ont été prédéfinis avant l'analyse statistique. Les échantillons sanguins ont été recueillis avant la confirmation par imagerie avec produit de contraste et avant tout traitement anti-tumoral. Les analyses de laboratoire ont utilisé des identifiants d'étude anonymisés, et les échantillons des cohortes d'apprentissage et de validation ont été analysés selon un ordre aléatoire. Le personnel de laboratoire était en insu du diagnostic final, de l'affectation à la cohorte, du stade selon la classification du Barcelona Clinic Liver Cancer (BCLC) et du statut négatif en alphafœtoprotéine (AFP). Le diagnostic et le stadification par imagerie ont été réalisés indépendamment des analyses de laboratoire. La saisie des données, la conversion des unités, l'affectation aux cohortes, le codage des exclusions, le codage des valeurs manquantes et les jeux de données statistiques ont été vérifiés par deux investigateurs avant l'ajustement du modèle. Les cohortes d'apprentissage et de validation ont été maintenues distinctes tout au long du criblage des variables, de l'ajustement du modèle, de la détermination des seuils et de la validation.

Population et conception de l'étude

Cette étude diagnostique à double cohorte a développé et validé un modèle multivarié pour la détection du carcinome hépatocellulaire utilisant la prothrombine anormale/protéine induite par PIVKA-II, l'AFP et des variables cliniques de routine. La cohorte d'apprentissage constituée de manière rétrospective comprenait des participants évalués entre le 1er janvier 2021 et le 31 décembre 2023. Cette cohorte a été utilisée pour le criblage des variables, l'ajustement du modèle, la dérivation des seuils de décision et la validation interne par rééchantillonnage bootstrap. La cohorte de validation recrutée de manière prospective comprenait des participants évalués entre le 1er janvier 2024 et le 31 décembre 2025. Cette cohorte a été utilisée uniquement pour des tests sur échantillons externes. Aucune nouvelle sélection de variables, aucun réajustement du modèle, mise à jour des coefficients, ré-optimisation des seuils ni recalibration fondée sur des sous-groupes n’a été effectuée dans la cohorte de validation. Le flux des participants, l'attribution aux cohortes, le prélèvement sanguin, le traitement du plasma, les tests de biomarqueurs, l'interprétation des images et le déroulement statistique sont présentés dans Figure 1.

Les participants ont été recrutés dans le cadre d'un parcours de surveillance ou de diagnostic de maladie hépatique à haut risque à l'Hôpital populaire affilié n°1 de Hangzhou, École de médecine de l'Université Westlake. Le statut à haut risque était défini par une infection chronique par l'hépatite B, une infection chronique par l'hépatite C, une cirrhose d'étiologie quelconque, ou une stéatose hépatique avec fibrose documentée, basée sur une évaluation clinique, des dossiers de laboratoire ou des examens d'imagerie antérieurs. Les participants éligibles étaient des adultes âgés de 18 ans ou plus ayant réalisé un prélèvement sanguin préalable à l'imagerie ainsi qu'une tomodensitométrie multiphasique avec produit de contraste et/ou une imagerie par résonance magnétique dynamique avec produit de contraste, dans un délai de 14 jours suivant le prélèvement sanguin. Les critères d'exclusion étaient un traitement antérieur du carcinome hépatocellulaire (CHC), incluant une résection, une ablation, une thérapie artérielle transcatéter ou une thérapie systémique ; l'administration de vitamine K dans les 7 jours précédant le prélèvement ; un traitement par antagoniste de la vitamine K ou tout autre traitement anticoagulant susceptible d'affecter l'interprétation de la coagulation ; une cholangite aiguë ou une obstruction biliaire au moment du prélèvement ; une grossesse ; l'absence de dosage de l'AFP, du PIVKA-II ou du diagnostic final par imagerie ; ainsi que la mauvaise qualité de l'échantillon sans possibilité de prélèvement de remplacement valide.

La population finale de l'étude comprenait 389 participants. La cohorte d'apprentissage comprenait 205 participants, dont 112 cas de CHC confirmés par imagerie et 93 témoins sans CHC. La cohorte de validation comprenait 184 participants, dont 58 cas de CHC confirmés par imagerie et 126 témoins sans CHC. Dans la cohorte d'apprentissage, les 93 témoins sans CHC comprenaient 30 témoins sains et 63 témoins atteints de maladie hépatique chronique. Dans la cohorte de validation, les 126 témoins sans CHC comprenaient 0 témoin sain et 126 témoins atteints de maladie hépatique chronique.

Le statut symptomatique n'a pas été attribué uniquement sur la base des antécédents d'hépatite ou d'une cirrhose compensée. Un participant était classé comme symptomatique uniquement lorsque le dossier préalable à l'imagerie mentionnait une douleur nouvelle ou aggravée au quadrant supérieur droit, une perte de poids inexpliquée, une distension abdominale, une jaunisse, des urines foncées ou une décompensation cliniquement documentée non expliquée par une autre cause confirmée. Les participants sans ces signes étaient classés comme asymptomatiques ou détectés par surveillance.

Adjudication diagnostique et stadification

Le statut final de CCH a été établi à l'aide d'une tomodensitométrie multiphasique avec produit de contraste et/ou d'une IRM dynamique avec produit de contraste réalisée dans le cadre des soins courants. L'imagerie devait inclure au moins une phase artérielle et une phase porto-veineuse ; les résultats de la phase de retard ont été pris en compte lorsqu'ils étaient disponibles. Une lésion a été classée comme CCH lorsque l'imagerie, réalisée sur un foie à risque, montrait un hypersignalement en phase artérielle avec un phénomène de washout en phase porto-veineuse et/ou en phase de retard, avec ou sans capsule rehaussée. Les participants dont les caractéristiques d'imagerie n'étaient pas compatibles avec un CCH et qui n'avaient pas non plus de diagnostic de malignité autre ont été classés comme non-CCH.

Les informations d'imagerie ont été extraites à l'aide d'un formulaire prédéfini enregistrant la modalité d'imagerie, les phases obtenues, l'hyperfixation en phase artérielle, le phénomène de washout, l'aspect de la capsule, le nombre de lésions, le diamètre maximal des lésions, l'invasion macrovasculaire et la dissémination extra-hépatique. Deux lecteurs formés ont extrait indépendamment les caractéristiques d'imagerie des comptes rendus radiologiques finals. Les désaccords ont été résolus par consensus en utilisant les mêmes critères prédéfinis. Lorsque les examens tomodensitométrique (TDM) et par résonance magnétique (IRM) étaient disponibles, la modalité présentant la caractérisation multiphasique la plus complète était retenue. Si les deux modalités étaient complètes, celle indiquée comme base de la décision clinique finale était utilisée.

Le stade BCLC a été attribué une fois le statut du carcinome hépatocellulaire (HCC) définitivement établi. Le stade précoce de l'HCC a été défini comme un stade BCLC 0–A. L'HCC négatif pour l'AFP a été défini par une AFP <20 ng/mL au prélèvement sanguin préalable à l'imagerie. Ces étiquettes de sous-groupes ont été utilisées pour l'évaluation des performances par sous-groupe, et non pour l'apprentissage du modèle ou l'éligibilité des participants.

Prélèvement des échantillons et traitement du plasma

Du sang veineux périphérique a été prélevé le matin après un jeûne nocturne d'au moins 8 h, avant la confirmation par tomodensitométrie ou IRM avec produit de contraste et avant tout traitement anti-tumoral. Un volume total de 10 mL de sang veineux a été prélevé dans des tubes de prélèvement sanguin anticoagulés au K₂-EDTA. Les tubes ont été retournés 8 à 10 fois immédiatement après le prélèvement, puis transportés au laboratoire à 4 °C. L'intervalle entre le prélèvement veineux et la centrifugation a été maintenu inférieur à 2 h et consigné dans le registre d'échantillonnage.

Le plasma a été séparé par centrifugation à 1 600 × g pendant 10 min à 4 °C à l’aide d’une centrifugeuse réfrigérée. Le surnageant plasmatique a été transféré dans des tubes microcentrifuge de 1,5 mL sans nucléase et aliquoté en portions de 0,5 à 1,0 mL. Les aliquots ont été stockés à -80 °C jusqu’au moment des analyses. Avant la mesure des biomarqueurs, un aliquot a été décongelé une seule fois à température ambiante, entre 20 et 25 °C, pendant 20 à 30 min, puis mélangé doucement par retournement, et analysé dans les 2 heures suivant la décongélation complète. Les échantillons présentant une coagulation visible, une hémolyse modérée à sévère ou une lipémie marquée ont été rejetés conformément aux critères prédéfinis d’acceptation en laboratoire. Pour la cohorte de validation prospective, un prélèvement sanguin répété a été effectué avant la confirmation par imagerie, lorsque cela était cliniquement réalisable.

Mesure de l'AFP et de la PIVKA-II

L'AFP et la PIVKA-II ont été mesurées à l'aide d'immunodosages par chimiluminescence électrochimique sur un analyseur d'immunodosage automatisé. L'AFP a été enregistrée en ng/mL et la PIVKA-II en mAU/mL. Les résultats ont été exportés directement à partir du système d'information du laboratoire.

Chaque lot analytique comprenait des étalons spécifiques au test et au moins deux niveaux de contrôle interne de la qualité. L'acceptation du lot exigeait que tous les résultats du contrôle de qualité se situent dans la plage de contrôle prédéfinie par le laboratoire. Les objectifs de précision analytique étaient un coefficient de variation intra-série ≤10 % et un coefficient de variation inter-série ≤15 % pour l'AFP et la PIVKA-II. Si le contrôle de qualité échouait ou si une dérive du lot était détectée, le lot était rejeté, l'analyseur était recalibré, et le lot était répété si un volume d'échantillon suffisant restait disponible. En cas de résultat unique invraisemblable ou hors plage, deux mesures de répétition étaient effectuées à partir de la même aliquote décongelée, lorsque cela était possible, et la moyenne des deux valeurs de répétition acceptées était utilisée. Si la répétition des tests échouait ou si le volume d'échantillon était insuffisant, le résultat était marqué comme invalide et traité conformément à la règle de gestion des données manquantes.

Extraction systématique des variables cliniques

Les variables cliniques de routine ont été extraites du même rendez-vous clinique que le prélèvement sanguin pré-imagerie d'AFP/PIVKA-II. Les variables candidates comprenaient l'âge, le sexe, l'alanine aminotransférase, l'aspartate aminotransférase, l'albumine, la bilirubine totale, le ratio normalisé international (INR), le temps de prothrombine et le nombre de plaquettes. Lorsque plusieurs valeurs étaient disponibles dans la fenêtre pré-imagerie, la valeur la plus proche du moment du prélèvement d'AFP/PIVKA-II a été sélectionnée. Les unités ont été standardisées avant l'analyse. L'âge a été enregistré en années ; le sexe a été codé comme suit : femme = 0 et homme = 1 ; le nombre de plaquettes a été enregistré en ×10⁹/L ; l'albumine en g/L ; la bilirubine totale en μmol/L ; l'AFP en ng/mL ; et le PIVKA-II en mAU/mL.

Des vérifications d'intervalle, des vérifications d'unités et des vérifications de valeurs invraisemblables ont été effectuées après l'extraction. Les valeurs signalées ont été vérifiées par rapport aux documents sources. Une valeur n'était exclue que lorsque le document source confirmait un problème de qualité de l'échantillon, une erreur de conversion d'unité ou un écart de traitement. Les valeurs extrêmes vérifiées ont été conservées. Le dictionnaire de variables définissait la structure du jeu de données, les noms des variables, les unités, les règles de codage, les règles de transformation et les codes des valeurs manquantes.

Définition du prédicteur et sélection des variables

Les prédicteurs candidats ont été définis avant le développement du modèle. Les biomarqueurs principaux étaient l'AFP et la PIVKA-II. Les candidats cliniques de routine étaient l'âge, le sexe, l'alanine aminotransférase, l'aspartate aminotransférase, l'albumine, la bilirubine totale, l'INR ou le temps de prothrombine, et le nombre de plaquettes. L'AFP et la PIVKA-II ont été transformées selon le logarithme naturel. Les valeurs inférieures à la limite de déclaration du test ont été remplacées par la moitié de la limite inférieure de déclaration avant transformation.

Les comparaisons univariées entre les participants atteints de CHC et ceux sans CHC dans la cohorte d'entraînement ont utilisé des tests t pour échantillons indépendants pour les variables approximativement distribuées de façon normale, des tests de Mann-Whitney U pour les variables continues asymétriques, et des tests χ2 ou des tests exacts de Fisher pour les variables catégorielles. Les variables ayant une valeur P < 0,10 lors du dépistage univarié ont été prises en compte pour la modélisation multivariée. La multicolinéarité a été évaluée à l'aide du facteur d'inflation de la variance (VIF), et un VIF >5 a été considéré comme indiquant une colinéarité préoccupante. Lorsque deux variables étaient fortement colinéaires, la variable offrant une interprétabilité clinique plus claire et une meilleure performance incrémentielle du modèle était conservée.

Le modèle final de régression logistique multivariée a été élaboré uniquement à partir de la cohorte d'apprentissage. Les variables ln(AFP) et ln(PIVKA-II) ont été intégrées de force dans le modèle. Les prédicteurs supplémentaires ont été sélectionnés par élimination descendante guidée par le critère d'information d'Akaike. Après sélection descendante, les variables retenues étaient ln(AFP), ln(PIVKA-II), l'âge, le sexe, l'albumine, l'INR et le compte des plaquettes.

Développement du modèle et calcul du score de risque

Le modèle diagnostique a été ajusté à l'aide d'une régression logistique multivariée avec le statut de CCH comme variable binaire de sortie. La probabilité prédite de CCH a été calculée à partir du prédicteur linéaire η en utilisant l'équation suivante :

p(HCC)=1/[1+exp(-η)]

η = -4,862 + 0,247×ln(AFP) + 0,712×ln(PIVKA-II) + 0,018×âge + 0,331×sexe - 0,062×albumine + 0,554×INR - 0,004×numération plaquettaire

L'AFP a été mesurée en ng/mL, la PIVKA-II en mAU/mL, l'âge en années, le sexe a été codé comme suit : femme = 0 et homme = 1, l'albumine a été mesurée en g/L, l'INR était sans unité, et le compte des plaquettes a été mesuré en ×109/L. Des logarithmes naturels ont été utilisés pour l'AFP et la PIVKA-II. Un nomogramme a été généré à partir des mêmes coefficients ajustés. La probabilité prédite, et non l'échelle de points du nomogramme, a été utilisée pour l'analyse de la caractéristique de fonctionnement du récepteur (ROC), l'analyse de calibration, l'analyse de la courbe de décision et la validation.

Définitions des seuils et gestion des limites

Les seuils de la PIVKA-II ont été indiqués en fonction de l'objectif analytique. Le seuil clinique établi pour la PIVKA-II était de 40,0 mAU/mL. Le seuil de Youden pour la cohorte d'apprentissage était de 45,0 mAU/mL. Le seuil à spécificité fixe a été déterminé en choisissant le seuil le plus proche d'une spécificité de 90 % dans la cohorte d'apprentissage ; cela a donné une valeur de 38,0 mAU/mL pour la PIVKA-II. Un seuil apparent de 37,5 mAU/mL, utilisé uniquement pour la validation, a été considéré comme exploratoire et n'a pas été retenu comme seuil principal de validation.

Pour le modèle combiné, le seuil binaire principal a été dérivé à partir de la cohorte d'entraînement en utilisant l'indice de Youden et appliqué sans modification à la cohorte de validation. L'AFP a utilisé le seuil clinique établi de 20,0 ng/mL pour la définition du sous-groupe AFP-négatif et la comparaison avec la pratique courante. Les seuils optimaux d'AFP utilisés dans l'analyse ROC ont été indiqués séparément du seuil clinique. Les seuils ont donc été rapportés selon leur objectif analytique plutôt que d'être considérés comme des seuils interchangeables.

Performance, étalonnage et validation du modèle

La discrimination a été évaluée à l'aide de courbes caractéristiques de fonctionnement du récepteur et de la surface sous la courbe. Les AUC ont été indiquées avec des intervalles de confiance à 95 %. Les comparaisons des AUC ont utilisé le test de DeLong. Les performances de classification ont été exprimées en termes de sensibilité, spécificité, valeur prédictive positive, valeur prédictive négative et exactitude aux seuils prédéfinis.

La calibration a été évaluée à l'aide de l'ordonnée à l'origine de calibration, de la pente de calibration, du score de Brier et du test d'ajustement de Hosmer–Lemeshow. Les graphiques de calibration ont comparé les probabilités prédites et observées de carcinome hépatocellulaire (CHC) dans les groupes de risque. La validation interne a utilisé 1 000 rééchantillonnages bootstrap dans la cohorte d'entraînement afin d'estimer la AUC corrigée pour l'optimisme et la pente de calibration corrigée pour l'optimisme. La cohorte de validation a été utilisée uniquement pour l'évaluation externe des performances. Aucune mise à jour des coefficients, aucun réajustement du modèle, aucune ré-optimisation du seuil ni aucune recalibration fondée sur des sous-groupes n'a été effectuée dans la cohorte de validation.

L'utilité clinique a été évaluée à l'aide d'une analyse de courbe décisionnelle sur des probabilités seuils allant de 0,05 à 0,50. Le bénéfice net a été comparé pour l'AFP seule, la PIVKA-II seule, le modèle basé sur les variables cliniques et le modèle combiné.

Traitement des données manquantes et analyse de sensibilité

L'analyse principale a utilisé une modélisation sur cas complets pour les participants dont toutes les variables étaient conservées dans le modèle final. Les valeurs manquantes ont été résumées pour chaque prédicteur candidat. Si la proportion de données manquantes dépassait 5 % pour l'un des prédicteurs retenus, une imputation multiple par équations enchaînées a été réalisée comme analyse de sensibilité, en incluant dans le modèle d'imputation l'issue, tous les prédicteurs retenus et l'indicateur de cohorte. Les variables présentant plus de 20 % de données manquantes n'étaient pas éligibles à la modélisation multivariée. Les coefficients du modèle, la surface sous la courbe (AUC), la pente de calibration et les métriques de classification obtenus à partir de l'analyse sur données imputées ont été comparés aux résultats obtenus sur cas complets.

Logiciels et reporting reproductible

Toutes les analyses ont été effectuées à l'aide de R version 4.3.2 et de RStudio version 2023.12.1. La régression logistique a été réalisée à l'aide du package stats de base. L'analyse ROC et les comparaisons selon la méthode de DeLong ont été effectuées à l'aide de pROC version 1.18.5. L'analyse de calibration a été réalisée à l'aide des packages rms version 6.7-1 et ResourceSelection version 0.3-6. La validation par bootstrap a utilisé 1 000 rééchantillonnages avec une graine aléatoire fixe de 70558. L'analyse de la courbe de décision a été effectuée à l'aide de rmda version 1.6. L'imputation multiple, si nécessaire, a été réalisée à l'aide de mice version 3.16.0. Le script d'analyse a reproduit le flux des participants, les coefficients du modèle, les courbes ROC, les métriques de calibration, la validation par bootstrap, l'analyse de la courbe de décision, les analyses basées sur des seuils de coupure et les tableaux statistiques.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

Caractéristiques de base

L'analyse finale a inclus 389 participants. Le groupe d'apprentissage comprenait 205 participants, dont 112 cas de carcinome hépatocellulaire (CHC) confirmés par imagerie et 93 témoins sans CHC. Le groupe de validation comprenait 184 participants, dont 58 cas de CHC confirmés par imagerie et 126 témoins sans CHC. Les caractéristiques de base sont résumées dans le Tableau 1.

Dans le groupe d'entraînement, les...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

Cette étude a évalué une stratégie diagnostique intégrée pour le carcinome hépatocellulaire utilisant la PIVKA-II, l'AFP et des variables cliniques de routine, en portant une attention particulière aux stades précoces et aux formes négatives pour l'AFP¹⁴. Dans les cohortes d'apprentissage et de validation, le modèle combiné a surpassé les tests basés sur un seul marqueur. Dans la cohorte d'apprentissage, le modèle combiné a atteint une AUC de 0,93, contre 0,78 pour l'AFP et 0,85 pour la PIVKA-II. ...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

Les auteurs déclarent n'avoir aucun intérêt financier ou non financier en conflit. Aucun financeur commercial, fabricant de réactifs, fournisseur de logiciels ou entreprise de plateforme diagnostique n'a joué de rôle dans la conception de l'étude, la collecte des données, l'analyse statistique, l'interprétation des résultats, la rédaction du manuscrit ou la décision de soumettre les travaux pour publication.

Remerciements

Les auteurs remercient les participants à l'étude ainsi que le personnel clinique qui a soutenu le prélèvement sanguin, la coordination clinique, l'analyse des images et la vérification des données pour cette étude.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
Nom	Entreprise	Numéro de catalogue	Commentaires
Tube microcentrifuge de 1,5 mL sans nucléase	Eppendorf	30123328	Aliquotation et stockage du plasma
Étalonneur AFP	Roche Diagnostics	AFP CalSet II, 09227261190	Étalonnage AFP
Matériau de contrôle qualité AFP	Roche Diagnostics	PreciControl Tumor Marker, 11776452160	Contrôle qualité AFP
Matériau de contrôle qualité AFP	Roche Diagnostics	PreciControl Universal, 11731416160	Contrôle qualité AFP
Kit de réactif AFP	Roche Diagnostics	Elecsys AFP, 09015124190	Mesure AFP
Analyseur automatisé d'immunodosage par électrochimiluminescence	Roche Diagnostics	cobas e 801	Mesure AFP et PIVKA-II
Pack d'étalonnage	R package	rms 6.7–1	Analyse d'étalonnage
Pack d'analyse de courbe décisionnelle	R package	rmda 1.6	Analyse de courbe décisionnelle
Pack du test de Hosmer–Lemeshow	R package	ResourceSelection 0.3–6	Test de Hosmer–Lemeshow
Tube de prélèvement sanguin K₂-EDTA, 10 mL	BD	367525	Prélèvement de sang veineux périphérique
Pack d'imputation multiple	R package	mice 3.16.0	Imputation multiple
Kit de réactif PIVKA-II	Roche Diagnostics	Elecsys PIVKA-II, 08333629190/08333629500	Mesure PIVKA-II
Centrifugeuse réfrigérée	Eppendorf	Centrifuge 5425 R	Séparation du plasma
Pack d'analyse ROC	R package	pROC 1.18.5	Analyse ROC et test de DeLong
Logiciel statistique	R Foundation	R 4.3.2	Analyse statistique
Interface de logiciel statistique	Posit Software	RStudio 2023.12.1	Analyse statistique

Références

Oh JH, Jun DW. The latest global burden of liver cancer: A past and present threat. Clin Mol Hepatol. 2023;29(2):355-357.
Heimbach JK et al. AASLD guidelines for the treatment of hepatocellular carcinoma. Hepatology. 2018;67(1):358-380.
Singal AG et al. Meta-analysis: Surveillance with ultrasound for early-stage hepatocellular carcinoma in patients with cirrhosis. Aliment Pharmacol Ther. 2009;30(1):37-47.
Tzartzeva K et al. Surveillance imaging and alpha fetoprotein for early detection of hepatocellular carcinoma in patients with cirrhosis: A meta-analysis. Gastroenterology. 2018;154(6):1706-1718.e1.
Parikh ND et al. Biomarkers for the early detection of hepatocellular carcinoma. Cancer Epidemiol Biomarkers Prev. 2020;29(12):2495-2503.
Gopal P et al. Factors that affect accuracy of alpha-fetoprotein test in detection of hepatocellular carcinoma in patients with cirrhosis. Clin Gastroenterol Hepatol. 2014;12(5):870-877.
Hanif H et al. Update on the applications and limitations of alpha-fetoprotein for hepatocellular carcinoma. World J Gastroenterol. 2022;28(2):216-229.
Norman JS, Mehta N. The role of AFP-L3 and DCP biomarkers in the diagnosis and management of hepatocellular carcinoma. Curr Hepatol Rep. 2025;24(1):16.
Suttichaimongkol T et al. PIVKA-II or AFP has better diagnostic properties for hepatocellular carcinoma diagnosis in high-risk patients. J Circ Biomark. 2023;12:12-16.
Piratvisuth T et al. Development and clinical validation of a novel algorithmic score (GAAD) for detecting HCC in prospective cohort studies. Hepatol Commun. 2023;7(11):e0317.
Jarrah M et al. Performance of GALAD, GAAD, and ASAP for early HCC detection in chronic liver disease: A systematic review and meta-analysis. Liver Cancer. 2026;15(2):285-299.
Zhou JM, Wang T, Zhang KH. AFP-L3 for the diagnosis of early hepatocellular carcinoma: A meta-analysis. Medicine (Baltimore). 2021;100(43):e27673.
Singal AG et al. AASLD practice guidance on prevention, diagnosis, and treatment of hepatocellular carcinoma. Hepatology. 2023;78(6):1922-1965.
Best J et al. The GALAD scoring algorithm based on AFP, AFP-L3, and DCP significantly improves detection of BCLC early-stage hepatocellular carcinoma. Z Gastroenterol. 2016;54(12):1296-1305.
Poté N et al. Performance of PIVKA-II for early hepatocellular carcinoma diagnosis and prediction of microvascular invasion. J Hepatol. 2015;62(4):848-854.
Xu F et al. The diagnostic value of serum PIVKA-II alone or in combination with AFP in Chinese hepatocellular carcinoma patients. Dis Markers. 2021;2021:8868370.
Liu M et al. Validation of the GALAD model and establishment of GAAP model for diagnosis of hepatocellular carcinoma in Chinese patients. J Hepatocell Carcinoma. 2020;7:219-232.
Aralica M et al. GALAD, or des-gamma-carboxy prothrombin compared with alpha-foetoprotein for the diagnosis of hepatocellular carcinoma in people with chronic liver disease. Cochrane Database Syst Rev. 2024;12(12):CD015826.
Zhang S et al. Evaluating the combined diagnostic power of alpha-fetoprotein and protein induced by vitamin K absence or antagonist-II for hepatocellular carcinoma. J Gastrointest Oncol. 2025;16(3):1157-1175.
Pham TTT, Ho DT, Nguyen TB, Phan HT. Clinical performance of GAAD score, alpha-fetoprotein, and PIVKA-II in diagnosing hepatocellular carcinoma in the Vietnamese cohort. Discov Oncol. 2025;16:1813.
Youden WJ. Index for rating diagnostic tests. Cancer. 1950;3(1):32-35.
Tarao K et al. Real impact of tumor marker AFP and PIVKA-II in detecting very small hepatocellular carcinoma (≤2 cm, Barcelona stage 0): Assessment with a large number of cases. World J Hepatol. 2020;12(11):1046-1054.
Kim DY et al. Utility of combining PIVKA-II and AFP in the surveillance and monitoring of hepatocellular carcinoma in the Asia-Pacific region. Clin Mol Hepatol. 2023;29(2):277-292.
Kao SYZ et al. Cost-effectiveness of a precision hepatocellular carcinoma surveillance strategy in patients with cirrhosis. EClinicalMedicine. 2024;75:102755.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Explorer plus d’articles

Modèle diagnostique régression logistique biomarqueurs sanguins maladie hépatique