ACLF肝移植评估决策演进2026

ACLF肝移植评估决策演进目录Contents预后评分系统应用动态评估时机把握预后模型演进供肝来源与AI应用预后评分系统应用MELD评分主要依据胆红素、凝血和肾功能等肝脏相关指标，未能纳入循环、呼吸、脑等肝外器官的衰竭情况。因此，对于合并多器官功能衰竭的ACLF患者，该评分可能低估其疾病的真实严重程度和短期死亡风险，影响器官分配的公平性。研究显示，ACLF3级患者即使MELD-Na评分较低，其在等待名单中90天内死亡或恶化的风险仍可高达43.8%。这表明MELD评分系统无法准确识别这类极高危患者的紧急程度，可能导致其错过最佳移植时机。在亚太地区，ACLF多以乙型肝炎引起的肝功能衰竭为主，MELD评分仍有较好适用性；而在西方，ACLF常表现为酒精性肝病等引发的多器官衰竭综合征，MELD评分易低估病情，需结合CLIF-CACLF评分等工具进行综合评估。无法全面评估多器官功能衰竭在ACLF分级高危患者中预测能力不足东西方病因差异导致适用性不同MELD评分局限性010203ACLF分级评估肝、肾、脑、凝血、呼吸、循环六个系统的衰竭情况，进行风险分层。相比仅关注肝功能的MELD评分，它能更准确地反映合并多器官功能衰竭患者的病情严重程度，避免低估其短期死亡风险。研究显示，ACLF3级患者即使MELD-Na评分较低，等待期间死亡或恶化风险仍很高。因此，将ACLF分级纳入分配政策，可为这些危重患者提供更高优先级，显著提高其移植机会和术后生存率，符合医疗公平原则。针对东西方ACLF病因和表型差异，我国2025年指南提出分型策略：对于合并肝外器官衰竭的Ⅱ型患者，推荐联合ACLF分级等工具评估，从而在不同临床场景中实现更精准的移植紧迫性判断和资源分配。ACLF分级能更全面评估多器官衰竭风险ACLF分级有助于优先分配肝源给最危重患者ACLF分级指导东西方不同临床表型的精细化评估ACLF分级优势东方（如亚太地区）ACLF多由乙型肝炎等病因导致，临床以肝功能衰竭为核心，肝外多器官衰竭比例较低。西方（如欧洲）ACLF则常由酒精性肝病等引起，定义为全身炎症驱动的多器官功能衰竭综合征，肝外器官受累更为突出。东西方ACLF诊断标准与临床表型差异由于临床表型不同，东方患者病情评估中MELD评分仍有较好适用性。而西方合并多器官衰竭的患者，MELD评分易低估其死亡风险，CLIF-CACLF评分或ACLF分级能更准确反映其病情严重性与紧迫性。不同标准导致评分工具适用性不同为弥合差异并指导实践，中国2025年版指南创新提出Ⅰ型（单纯肝衰竭）与Ⅱ型（合并肝外器官衰竭）分型。Ⅰ型侧重参考MELD评分，Ⅱ型则建议联合CLIF-CACLF评分，为精细化应用不同工具提供了清晰路径。中国指南提出的分型策略弥合差异东西方标准差异动态评估时机把握123黄金窗口期评估黄金窗口期通常指ACLF发病后的第1周，尤其是入院后第0、3、7天。此阶段是评估患者病情走向恢复、稳定或恶化的关键时期，动态监测可捕捉决定预后的拐点，为肝移植紧急决策提供依据。在黄金窗口期内，需动态应用ACLF分级、AARC评分或CLIF-CACLF评分。若3～7天内评分升高或器官衰竭数目增加，尤其是需机械通气或短期内器官衰竭增加≥2个，提示病情不可逆恶化，是急需移植的强烈信号。基于动态评估，需平衡移植紧急性与效用性。研究指出，如COSSH-ACLFⅡ评分7～10分等特定区间代表生存获益窗口，移植可显著提高生存率；而对评分过高或过低者，移植获益有限，应避免过早或无效移植。黄金窗口期的定义与核心地位动态评分指标与恶化信号识别生存获益窗口的评估策略010203ACLF患者应在入院后第0、3、7天进行动态评分，以捕捉决定预后的黄金窗口。若3～7天内ACLF等级或CLIF-CACLF评分升高，提示病情不可逆恶化，是急需肝移植的强烈信号，这有助于在关键时间窗口内识别需紧急移植的患者。动态评估捕捉关键拐点研究显示，ACLF患者若在重症监护病房入院7天内需机械通气或3天内器官衰竭数目增加，其无法获得移植或死亡的风险极高。动态观察器官衰竭数目与评分变化，可帮助判断移植可行性，避免无效移植。评分变化指导移植时机通过动态评估如COSSH-ACLFⅡ评分，可界定肝移植的“生存获益窗口”。评分7～10分的患者移植后1年净生存获益最高，而评分过低或过高者获益有限，这有助于平衡紧急性与效用性，避免过早或无效移植。生存获益窗口优化决策评分变化定移植生存获益策略生存获益策略旨在平衡肝移植的紧急性与效用性，通过精准识别能从移植中获得最高净生存率的患者群体，避免过早或无效移植。它强调评估移植后的实际生存提升，而非仅依据病情严重程度排序。生存获益策略的核心内涵研究显示，当COSSH-ACLFⅡ评分处于7-10分时，ACLF患者接受肝移植的1年净生存获益最高（39.2%～64.3%）。评分低于7分或高于10分的患者获益有限，这为确定最佳移植时机提供了量化依据。COSSH-ACLFⅡ评分的生存获益窗口临床决策需综合ACLF分级、MELD-Na评分等多维度工具，并在发病后3-7天的黄金窗口内动态观察评分变化。若评分升高或器官衰竭增加，提示急需移植；若器官功能改善，则可重新评估移植必要性。联合评估与动态观察的应用预后模型演进高龄、移植前合并感染（尤其是多药耐药菌感染）、高动脉血乳酸水平（>4mmol/L）、呼吸衰竭、脑衰竭、需肾脏替代治疗以及较高的MELD评分（≥32分）均被证实与ACLF患者肝移植术后死亡风险增加显著相关，是评估移植适宜性的关键受体因素。使用边缘供肝（如高龄、脂肪肝供体）或女性供体可能对ACLF患者肝移植预后产生不利影响，但在肝源紧缺背景下，为经过筛选的ACLF3级患者适时使用扩展标准供肝，仍能带来明确的生存获益，是平衡供需的重要策略。最新研究如HALT模型同时纳入受体因素（年龄、器官衰竭数目、动脉血乳酸水平）和供肝因素（心脏死亡后捐献、冷缺血时间），用于预测HBV-ACLF患者术后病死率，从而识别高风险“供体-受体”组合，避免无效移植。受体风险因素对移植预后的影响供体风险因素与边缘供肝的使用供体-受体组合风险模型的发展受体供体风险因素010203移植无效风险模型研究证实，受体高龄、移植前多药耐药菌感染、高动脉血乳酸（>4mmol/L）、呼吸衰竭、脑衰竭及MELD评分≥32分均显著增加术后死亡风险。同时，使用边缘供肝或女性供体也可能对预后产生不利影响，需在移植前全面评估。受体与供体高危因素识别针对ACLF3级患者建立的TAM评分包含年龄≥53岁、动脉血乳酸≥4mmol/L、机械通气且氧合指数≤200mmHg、白细胞计数≤10×10⁹/L四项风险因子。评分>2分者术后1年生存率极低（约8.3%-10%），提示移植无效，应避免手术。TAM评分界定移植无效阈值HALT模型首次同时纳入受体因素（年龄>55岁、器官衰竭数目、动脉血乳酸水平）与供肝因素（心脏死亡后捐献、冷缺血时间>10小时），能有效预测HBV-ACLF患者肝移植术后病死率，识别高风险“供体-受体”组合，避免无效移植。HALT模型整合供受体双因素010203HALT模型首次整合供受体双因素TAM评分识别移植无效高风险患者SALT-M评分纳入代谢综合征相关因素中国学者开发的HALT模型创新性地同时纳入受体因素（年龄、器官衰竭数、动脉血乳酸）与供肝因素（捐献类型、冷缺血时间），用于预测乙型肝炎相关ACLF患者肝移植术后死亡率，其预测效能优于多个传统评分模型。TAM评分针对ACLF3级患者，基于年龄、动脉血乳酸、呼吸衰竭与白细胞计数四项风险因子进行评分。评分＞2分的患者术后1年生存率极低（约8-10%），提示移植无效，为临床避免高风险移植提供了客观工具。SALT-M评分源自西方多病因队列，包含了年龄、体重指数、糖尿病、呼吸与循环衰竭五项受体因素。它将代谢综合征相关指标明确纳入预后评估，反映了西方肝病病因谱特点，有助于术前识别高风险患者并进行干预。供受体组合模型供肝来源与AI应用010203活体肝移植能显著缩短ACLF患者的等待时间，优化手术时机。2025年APASL共识指出其与尸体肝移植的1年预后相当，尤其适用于病情危重、进展迅速的ACLF3级患者，为无法及时获得尸体供肝的患者提供了关键的生存机会。活体肝移植在亚太地区开展更为普遍，而在西方国家仅占所有肝移植的4%～7%。这种差异源于供者死亡风险、较高的围手术期并发症率，以及相对可及的尸体肝移植替代方案等多重因素的综合影响。面对供肝短缺，为ACLF3级患者使用高龄、脂肪肝等边缘供肝已成为重要策略。研究显示，使用边缘供肝虽生存率略有下降，但相较于在等待中死亡，移植仍能带来明确的净生存获益，是基于当前证据的合理选择。活体肝移植是缓解肝源短缺的重要选择活体肝移植在东西方的应用存在差异使用边缘供肝是扩大供肝来源的扩展策略活体肝移植价值由于肝源严重短缺，使用边缘供肝（如高龄、脂肪肝供体）已成为扩大供肝来源、降低等待期死亡的关键策略。尤其对于ACLF3级患者，即使供肝质量非最优，移植仍能带来明确的生存获益，这已成为当前临床实践中的重要补充途径。研究显示，ACLF3级患者使用标准供肝的1年生存率可达82%，而使用边缘供肝（供体风险指数≥1.7）生存率略有下降（78%），但相较于在等待中死亡，移植依然能显著提高生存机会，支持在必要时合理使用边缘供肝。马尔可夫决策模型表明，对于ACLF3级患者，在等待早期接受边缘供肝的总体生存获益，优于等待最佳供肝或等待自行恢复。因此，在严格筛选患者的基础上，适时使用扩展标准供肝是基于证据、最大化生存机会的必要策略。边缘供肝在ACLF肝移植中的必要性边缘供肝对ACLF患者生存率的影响边缘供肝使用的决策权衡与时机边缘供肝使用010203人工智能模型如人工神经网络、极端梯度提升等在预测慢加急性肝衰竭患者病死率方面表现突出。例如，AARC-AI模型预测30天结局的AUC高达0.907，显著优于传统评分系统。这些模型通过处理多维度临床数据，实现了更精准的风险分层和预后评估。AI工具利用SHAP值等技术量化各项临床指标对个体风险的贡献，并将结果转化为直观的在线预测工具