MAFLD纤维化得分:使用常规测量来识别代谢相关脂肪肝疾病中晚期纤维化
Johnny T K Cheung1, Xinrong Zhang1,2, Grace Lai-Hung Wong1,2
1Medical Data Analytics Centre, Department of Medicine and Therapeutics, The Chinese University of Hong Kong, Hong Kong, China.
Alimentary pharmacology & therapeutics
|September 19, 2023
概括
一个新的MAFLD纤维化得分 (MFS) 有效地识别了代谢相关脂肪肝患者的晚期纤维化. 这一分数优于现有的非侵入性方法,有助于早期查和管理.
科学领域:
- 肝病学 肝病学是一种肝病学.
- 医学诊断 医学诊断 医学诊断
- 数据科学在医学中的数据科学
背景情况:
- 代谢相关的脂肪肝疾病 (MAFLD) 可以进展为纤维化.
- 早期查对于预防MAFLD纤维化进展至关重要.
研究的目的:
- 开发和验证MAFLD纤维化得分 (MFS) 以识别MAFLD患者的晚期纤维化 (≥F3).
- 将MFS的诊断性能与现有的非侵入性纤维化得分进行比较.
主要方法:
- 一项涉及MAFLD患者进行肝脏活检和振动控制过时弹性图形 (VCTE) 的横截面,多中心研究.
- 机器学习被用来识别关键预测因素,然后进行回归分析来构建MFS公式.
- 在单独的培训和验证队伍中验证了MFS.
主要成果:
- 由七个变量组成的MFS显示出高的诊断准确性 (在训练中AUC为0.848,在验证中为0.823).
- MFS显著超过了氨基转移酶与血小板比率指数,纤维化-4指数和NAFLD纤维化得分.
- 一个两步的MFS-VCTE查算法显示出出色的预测值和诊断准确性,灰色区域百分比较低.
结论:
- MAFLD纤维化得分 (MFS) 是预测MAFLD晚期纤维化的卓越非侵入性工具.
- MFS为MAFLD患者提供了改进的查策略,有可能预防疾病的进展.
- MFS-VCTE算法为MAFLD的临床纤维化评估提供了一个强大的方法.
