壹生资讯-APASL 2023| 李婕教授发出中国学者声音：CHB合并NAFLD患者代谢性预测因素的识别及肝纤维化诊断模型构建

您已通过HCP身份认证和信息审核

(

APASL 2023| 李婕教授发出中国学者声音：CHB合并NAFLD患者代谢性预测因素的识别及肝纤维化诊断模型构建

2023-02-28作者：论坛报小塔资讯

非原创

慢性乙型肝炎（chronic hepatitis B，CHB）是我国严重的公共健康问题，也是导致肝脏相关疾病发病率和死亡率持续升高的主要因素，严重影响患者的生命质量。同时，随着生活水平的不断提高以及久坐少动生活方式和饮食习惯的转变，非酒精性脂肪性肝病（nonalcoholic fatty liver disease，NAFLD）的患病率也呈逐年上升趋势，亚洲人群NAFLD患病率已近30%，正成为导致肝硬化和肝癌的另一重要原因。CHB与NAFLD共存已成为临床普遍现象，这可能加速肝纤维化和肝硬化的进展，造成巨大的疾病负担。

NAFLD是一种与胰岛素抵抗和遗传易感性相关的慢性代谢应激性肝病，与代谢综合征密切相关，在肥胖和糖尿病（diabetes mellitus，DM）患者中更为常见。但是，在CHB合并NAFLD患者群体中，DM是否与肝脏炎症以及肝纤维化、肝硬化有关尚不明确。同时，现有评分,例如纤维化-4（FIB-4）、天冬氨酸氨基转移酶和血小板比率指数（APRI）、NAFLD纤维化评分（NFS）等，评估CHB合并NAFLD患者的肝纤维化程度和肝硬化效果不佳，寻求精准评估CHB合并NAFLD患者肝脏炎症以及肝纤维化程度和肝硬化的无创诊断模型仍是困扰临床的难题。机器学习（machine learning，ML）以其智能化的分析模式在分析数据方面具有优势，在疾病辅助诊断、疾病的预后评估等方面取得了不少成果。然而，ML是否可协助临床进行CHB合并NAFLD的患者肝脏炎症以及肝纤维化程度和肝硬化的评估尚未可知。在2023年2月15—19日于中国台北举办的第32届亚太肝脏研究学会年会（APASL 2023）上，来自南京大学医学院附属鼓楼医院的吴超教授与李婕教授团队的两项重要研究入选大会发言。《中国医学论坛报》特别邀请李婕教授对研究进行分享，以期对临床医生提供帮助。

摘要FP12-65：

糖尿病是CHB合并NAFLD患者显著肝脏炎症或纤维化的独立预测因子

本研究回顾性分析了 2004—2020 年在中国8家医疗中心接受肝活检的869例CHB合并NAFLD患者[平均年龄为 40.6±10.4岁，平均体质指数（BMI）为 24.9 ± 3.3 kg/m² ，乙型肝炎病毒（HBV）DNA 平均水平为 5.3±2.0 log₁₀ IU/ml]，其中 79.9% 为男性，71 例（8.2%）患有DM，380例患者（46.3%）乙型肝炎病毒 e抗原（HBeAg）呈阳性，42例患者（5.9%）正在接受抗病毒治疗。大多数患者（529例，60.9%）存在显著肝脏炎症（G2-G4），约半数患者（431 例，49.6%）存在显著肝纤维化（S2-S4）（图1）。

图1.png

患有DM的CHB合并 NAFLD 患者更可能存在显著肝脏炎症[76.1% 对（vs）59.7%，P=0.02]或显著肝纤维化（76.1% vs 47.3%，P＜0.001）。多变量 logistic 回归（logistic regression，LR）分析校正DM、肝脂肪变性、年龄、性别、BMI、HBV DNA 水平和 HBeAg 状态后发现， DM 与显著肝脏炎症[比值比（OR）3.38；95% 置信区间（CI）1.46~7.86； P=0.005]和显著肝纤维化（OR 4.49；95% CI 2.08~ 9.72；P＜0.001）均有独立相关性（表1）。

表1.png

研究结论为，与不伴有DM患者相比，患有DM的CHB合并NAFLD的患者出现显著肝脏炎症和显著肝纤维化的风险明显更高，且与人口因素、肝脏脂肪变性、其他代谢因素（如BMI）和病毒学因素无关。因此，DM 的综合管理应被纳入 CHB 慢病管理的一部分，以减少肝脏不良结局的发生。

摘要FP08-41

基于机器学习的CHB合并NAFLD患者肝纤维化和肝硬化诊断模型的建立与验证

本研究回顾性分析了 2004—2020 年在中国8家医疗中心接受肝活检的790例 CHB 合并 NAFLD 患者（平均年龄40岁），其中男性633例，且 392 例患者存在显著肝纤维化（S≥2），221 例患者（28.0%）存在进展期肝纤维化（S≥3），101 例患者（12.8%）存在肝硬化（S=4）。选取患者 20 个临床特征（图3），纳入三种机器学习算法：随机森林（random forests，RF）、logistic 回归和高斯朴素贝叶斯（gaussian naive bayes，GNB），建立 CHB 合并NAFLD患者显著肝纤维化（≥S2）、进展期肝纤维化（≥S3）和肝硬化（S=4）的诊断模型。

图3.png

RF模型诊断显著肝纤维化、进展期肝纤维化和肝硬化的曲线下面积（AUC）分别为 0.723 （0.647~0.800）、 0.768 （0.696~0.841）和 0.826 （0.761~0.891），显著高于FIB-4、APRI和NFS（P均＜0.05）（图4）。

图4.png

研究结论为，RF诊断模型对 CHB 合并NAFLD患者肝纤维化程度和肝硬化的诊断准确性优于现有评分 FIB-4、 APRI和NFS。ML或可作为临床评判CHB合并NAFLD患者肝纤维化程度和肝硬化的有效工具。

作者点评

CHB与NAFLD共存已成为临床普遍现象，两种疾病共存可能加速患者肝纤维化和肝硬化的进展，严重影响患者生命质量，造成巨大的疾病负担。因此，合并代谢危险因素的CHB患者属于疾病进展的高危患者，如何早期识别CHB合并NAFLD人群中的纤维化进展危险因素，并对高危人群进行有效分层管理是目前研究的重点。我们的研究发现：DM在CHB合并NAFLD患者肝脏炎症和纤维化发生中发挥重要作用。对于CHB合并NAFLD的患者，在积极抗病毒治疗的同时，应重视代谢危险因素的管理，加强饮食、运动等生活方式的调整干预，尤其对于糖尿病患者，应严格控制血糖。此外，现有评分，例如FIB-4、APRI、NFS等，评估CHB合并NAFLD患者的肝纤维化程度和肝硬化效果不佳。利用机器学习以其智能化的分析模式构建的纤维化无创诊断模型在分析数据方面具有独特优势，可更准确评估CHB合并NAFLD的患者肝脏纤维化和（或）肝硬化程度，对于指导临床进行高危人群筛查和进行分层管理具有重要意义。

致谢：感谢杭州师范大学附属医院施军平教授、福建医科大学附属第一医院郑琦教授、郑州大学附属第一医院曾庆磊教授、台州恩泽医疗中心何泽宝教授团队对本研究的支持！

作者简介

吴超教授.png

吴超教授

南京大学医学院附属鼓楼医院感染科主任医师、教授、博士生导师
江苏省医学会感染病学分会主任委员
中华医学会感染病学及肝病学分会委员
南京大学病毒与感染病研究所所长
以第一负责人承担国家自然科学基金及重大专项4项、国家传染病重大专项子课题及省部级科研项目8项。发表第一及通讯作者学术论文150余篇，其中SCI收录150余篇，累计影响因子1120.879，单篇最高影响因子71.421，包括Lancet Infect Dis、JAMA Network Open、J Hepatol、Hepatology、Am J Gastroenterol、Aliment Pharmacol Ther等，其中3篇论著入选ESI高被引论文。为10余个SCI期刊的编委及特约审稿人。

李<span id=

李婕教授

南京大学医学院附属鼓楼医院感染性疾病科行政主任
南京大学病毒与感染病研究所常务副所长
主任医师、研究员、南京大学教授、博士生导师、江苏特聘医学专家
美国斯坦福大学、中国香港大学访问学者
江苏省医师协会感染医师分会副会长
中国研究型医院学会肝病专业委员会常委、脂肪肝和酒精肝学组副组长
中华医学会肝病学分会青年委员、脂肪肝和酒精性肝病学组委员
主要研究方向为脂肪性肝病、病毒性肝炎的发病机制及临床诊疗。以第一作者/通讯作者在Lancet Gastroenterology & Hepatology、American Journal of Gastroenterology、Clinical Gastroenterology Hepatology、Alimentary Pharmacology & Therapeutics等SCI杂志发表论文30余篇，其中3篇入选ESI高被引。承担国家自然科学基金3项，以及教育部基金、“十三五”重大专项子课题、中国博士后基金、省自然科学基金（面上、重点）、省重点研发计划等课题17项。获省科技进步奖省医学科技奖、省高校科技进步奖、华夏医学科技奖各一项。

200 评论

知情同意书

APASL 2023| 李婕教授发出中国学者声音：CHB合并NAFLD患者代谢性预测因素的识别及肝纤维化诊断模型构建

热门资讯

关于我们

中国医学论坛报微信矩阵

助力乡村振兴帮扶行动

友情链接