GALAD-modell för hepatocellulär cancer (HCC)

Klinisk bakgrund

Surveillance av patienter med cirros med ultraljud och AFP har begränsad sensitivitet, och upp till 30 till 40 procent av tumörer upptäcks i ett sent stadium trots genomförd övervakning [2]. GALAD-modellen kombinerar flera serumbiomarkörer med demografiska variabler till en objektiv sannolikhetsberäkning för att förbättra tidigupptäckt jämfört med enbart AFP. Den är ett komplement till bilddiagnostik, inte en ersättning för den. Den kliniska frågan den svarar på är: hos en patient med kronisk leversjukdom som redan står i övervakning, hur stor är sannolikheten att det föreligger en HCC just nu?

Beräkning av GALAD-modellen

GALAD-modellen beräknar en log-odds (Z) från fem variabler och omvandlar den till en sannolikhet:

$$Z = -10{,}08 + 0{,}09 \times \text{ålder} + 1{,}67 \times \text{kön} + 2{,}34 \times \log_{10}(\text{AFP}) + 0{,}04 \times \log_{10}(\text{AFP-L3$$

där kön = 1 för man och 0 för kvinna, AFP anges i ng/mL, AFP-L3-fraktion i procent och DCP (PIVKA-II) i mAU/mL. Sannolikheten erhålls genom den logistiska funktionen:

$$P = \frac{e^Z}{1 + e^Z}$$

Modellen härleddes i en brittisk fall-kontroll-kohort vid ett enda center med totalt 670 patienter med antingen kronisk leversjukdom utan HCC eller med HCC [1]. Serum samlades prospektivt och analyserades med logistisk regression för att identifiera oberoende prediktorer. Den slutgiltiga modellen validerades i oberoende dataset från samma och från en extern institution [1]. Akronymen GALAD står för Gender, Age, Lectin-reactive AFP (AFP-L3), AFP och Des-carboxy-prothrombin (DCP).

Tolkning i praktiken

Eftersom kalkylatorn returnerar en sannolikhet och inte en binär klassificering krävs en tröskel för att avgöra när resultatet ska föranleda ytterligare utredning. Flera trösklar har publicerats, och de motsvarar olika sensitivitet/specificitet-avvägningar beroende på klinisk kontext:

Den vanligaste tröskeln i publicerade studier är Z = −0,63 motsvarande en sannolikhet omkring 35 procent [3]. En sannolikhet över denna nivå bör föranleda snar kontrastförstärkt bilddiagnostik (CT eller MR), särskilt om ultraljudsutredningen är otydlig eller icke utförd. Lägre trösklar, ned mot 20 procent, ger högre sensitivitet på bekostnad av specificitet och användes i den prospektiva fas III-studien för att maximera tidigupptäckt [4,5].

En patient som ligger under tröskeln vid ett tillfälle måste fortsätta regelbunden övervakning. En negativ GALad i dag utesluter inte att en lesion uppträder vid nästa kontroll. I den amerikanska valideringskohorten förbättrades prestandan när GALAD kombinerades med ultraljud till en sammansatt poäng (GALADUS), AUC 0,98 (95% KI 0,96 till 0,99) [2], men denna kombination kräver att båda undersökningarna utförs vid samma tillfälle.

Validering och prestanda

I en amerikansk multicenter-validering (Yang m.fl.) analyserades två kohorter: en single-center-kohort från Mayo Clinic med 111 HCC och 180 kontroller med cirros eller kronisk hepatit B, samt en multicenter-kohort från Early Detection Research Network (EDRN) med 233 tidiga HCC och 412 cirroskontroller [2]. I single-center-kohorten var AUC 0,95 (95% KI 0,93 till 0,97) för all HCC och 0,92 (95% KI 0,88 till 0,96) för BCLC 0-A. I EDRN-kohorten var AUC 0,88 (95% KI 0,85 till 0,91). GALAD överträffade ultraljud, AUC 0,82, signifikant (P < 0,01) [2]. Subgruppsanalyser visade att GALAD presterade väl även hos patienter med AFP-negativa tumörer, sensitivitet 89 procent, samt att prestandan inte påverkades av ascites eller hög Child-Turcotte-Pugh-klass, till skillnad från ultraljud [2].

En metaanalys av 15 originalstudier med totalt 19 021 patienter och 4 515 HCC-fall fann sammanvägd sensitivitet 0,82 (95% KI 0,78 till 0,85), specificitet 0,89 (95% KI 0,85 till 0,91) och AUC 0,92 (95% KI 0,89 till 0,94) för all HCC [3]. För BCLC 0/A var sammanvägd sensitivitet 0,73 (95% KI 0,66 till 0,79) och AUC 0,86 (95% KI 0,82 till 0,88). Som jämförelse identifierade AFP enbart endast 38 procent av tidiga HCC med en AUC på 0,70 (95% KI 0,66 till 0,74) [3]. GALAD presterade bättre i subgrupper med hepatit C och icke-viral leversjukdom än med hepatit B [3].

I den prospektiva HEDS-kohorten (El-Serag m.fl.), en fas III-biomarkörstudie med 1 485 patienter med cirros varav 119 utvecklade HCC, var GALAD:s AUARC 0,79 [4]. Vid en tröskel motsvarande en falskpositiv andel på 18,1 procent (Z = −1,36) var sensitiviteten 65 procent och specificiteten 82 procent vid 6 månader före diagnos [4,5]. Detta är betydligt lägre än i fall-kontroll-studierna och speglar den verkliga kliniska utmaningen med longitudinell övervakning.

En expertgranskning från American Gastroenterological Association 2026 drar slutsatsen att GALAD och liknande biomarkörmodeller inte ännu är redo för bred klinisk användning och att pågående studier, bland annat TRACER, behöver klargöra dess roll [5].

Begränsningar

GALAD-modellen gäller för patienter med kronisk leversjukdom, huvudsakligen cirros. Den har inte validerats för friska individer eller för patienter utan underliggande leversjukdom, med undantag för kronisk hepatit B där vissa studier inkluderat icke-cirrotiska patienter [2].

Warfarinbehandling höjer DCP oberoende av HCC och kan ge falskt positiva resultat. Patienter på warfarin exkluderades från valideringsstudierna [2]. Vid dekompenserad cirros (Child-Turcotte-Pugh C) eller kort förväntad överlevnad är övervakning inte meningsfull, och därmed inte heller GALAD.

Biomarkörerna är analysberoende. GALAD utvecklades med Wako/Eisais µTASWako i30-immunoanalysator för samtliga tre biomarkörer, och resultaten kan inte generaliseras till andra analysplattformar utan oberoende validering. AFP kan vara förhövt vid hepatitexacerbation, graviditet och gonadala tumörer, vilket kan påverka modellen även om kombinationen med AFP-L3 och DCP delvis motverkar detta.

De flesta valideringar bygger på fall-kontroll-design, som systematiskt överskattar diskrimination jämfört med prospektiv övervakning. Prospektiva data visar en AUC omkring 0,79 [4,5], betydligt lägre än de 0,92 till 0,95 som ses i fall-kontroll-kohorter [2,3].

Källor

1. Johnson PJ m.fl. The detection of hepatocellular carcinoma using a prospectively developed and validated model based on serological biomarkers. Cancer Epidemiol Biomarkers Prev 2014. PMID: 24220911
2. Yang JD m.fl. GALAD Score for Hepatocellular Carcinoma Detection in Comparison to Liver Ultrasound and Proposal of GALADUS Score. Cancer Epidemiol Biomarkers Prev 2019. PMID: 30464023
3. Guan MC m.fl. The Performance of GALAD Score for Diagnosing Hepatocellular Carcinoma in Patients with Chronic Liver Diseases: A Systematic Review and Meta-Analysis. J Clin Med 2023. PMID: 36769597
4. El-Serag HB m.fl. HES V2.0 validation and performance compared to GALAD and ASAP in the HEDS cohort. J Hepatol 2026. PMID: 41043723
5. Rich NE m.fl. AGA Clinical Practice Update on Risk Stratification and Emerging Surveillance Strategies for Hepatocellular Carcinoma: Expert Review. Gastroenterology 2026. PMID: 42017860