計算器網頁: 肝癌篩檢利器-GALAD score , GAAP score, 與 ASAP Score
在肝細胞癌（HCC）的防治戰場上，「及早發現」始終是決定存活率的關鍵。然而，傳統篩檢面臨的挑戰，正促使醫學界從單一生物標記，轉向更為精確的多變量評估模型。目前國際間最受關注的四大風險評分系統——GALAD、GAAP、ASAP 與 GAAD，正透過數據的力量，重塑慢性肝病患者的監控版圖。
一、 四大模型的身世背景：學術與產業的精準結晶
這四個模型雖然參數有所重疊，但各自誕生於不同的地理背景與臨床需求，反映了精準醫療在全球各地的演進過程。
- GALAD Score：跨國驗證的先行者
- 研發由來： 2014 年由英國伯明翰大學 Paul Johnson 教授團隊開發，是目前研究最廣泛的模型。
- 組成： 包含性別、年齡、AFP、AFP-L3 與 PIVKA-II 共 5 項參數。
- GAAP Score：精準打擊早期肝癌的新秀
- 研發由來： 2020 年由中國學者 Liu M 等人針對中國病患族群開發，旨在優化早期肝癌的診斷。
- 組成： 包含性別、年齡、AFP 與 PIVKA-II。
- ASAP Score：針對亞洲 B 肝族群的利器
- 研發由來： 2019 年由中國學者 Yang T 等人開發，最初針對慢性 B 型肝炎族群設計。
- 組成： 同樣包含年齡、性別、AFP 與 PIVKA-II。
- GAAD Score：標準化臨床檢測的實踐
- 研發由來： 由羅氏診斷（Roche Diagnostics）與泰國學者 Tawesak Piratvisuth 等人合作，將演算法與自動化檢測系統結合。
- 組成： 包含性別、年齡、AFP 與 PIVKA-II（DCP）。
二、 準確度大對決：GAAP 在早期偵測中的突出表現
根據最新發表的臨床研究，這四種模型在偵測各期別肝癌的準確度上，皆顯著優於單一生物標記。
- 整體肝癌偵測： 在所有期別的偵測中，GAAP（AUC 0.889）、ASAP（AUC 0.879）與 GALAD（AUC 0.876）的表現相當優異且接近。
- 早期肝癌偵測 (BCLC 0/A)： 根據泰國朱拉隆功大學的研究，GAAP 分數在偵測早期肝癌方面展現了極佳的準確度（AUC 0.856），優於 ASAP（AUC 0.827）與 GALAD（AUC 0.825）。研究結論指出，GAAP 模型在辨識早期肝癌方面具有卓越的判別能力。
三、 判讀標準與臨床建議
臨床醫師可透過以下最佳閾值（Cut-off values）進行初步判讀，超過數值即提示為高風險：
- GAAP： > -0.64。
- ASAP： > -0.71。
- GALAD： > 0.13。
- GAAD： Z ≥ 2.57。
四、 深度解析：血液指標 vs. 傳統超音波篩檢
目前國際指引仍建議超音波為第一線篩檢工具，但血液標記模型正扮演著關鍵的輔助角色。
📊 血液指標模型（如 GAAD, ASAP）的優勢
- 克服影像死角： 超音波在早期肝癌偵測的敏感度有限（僅約 45%），且容易受到肥胖或脂肪肝患者的影像干擾。血液標記則不受患者體型影響。
- 客觀性與自動化： GAAD 與 ASAP 等模型提供量化分數，減少了超音波操作者經驗不足所導致的漏診風險。
- 早期偵測力： 多生物標記模型的敏感度顯著優於單一標記（如單獨看 AFP）。
⚠️ 超音波篩檢的不可取代性
- 空間定位： 血液標記能提示「有無風險」，但超音波能直接定位「腫瘤位置與大小」。
- 動態監控： 超音波可同時觀察肝硬化進度、腹水或門靜脈血栓等臨床特徵。
結語：醫學界的共識——「強強聯手」
從國際專家共識中可以看見，醫學界並不傾向用血液指標完全取代超音波，而是建立「超音波 + 生物標記模型」的聯合防線。對於臨床醫師而言，結合這些數位工具整合進門診追蹤流程，將是達成肝癌精準治療目標的關鍵一步。
