相关实验视频
Updated: May 10, 2026
08:58
Optimized Analysis of In Vivo and In Vitro Hepatic Steatosis
Published on: March 11, 2017
16.1K
基于MRI的新型多参数模型用于识别高风险的代谢功能失调相关的脂肪肝炎
Wenxin Ma1, Xutong Huang1, Zhen Feng2
1Department of Radiology, Shuguang Hospital Affiliated to Shanghai University of Traditional Chinese Medicine, Shanghai, China.
European radiology
|August 21, 2025
概括
一个新的MRI模型EFT1准确地识别了高风险的代谢功能障碍相关的脂肪肝炎 (MASH). 这种工具提高了诊断效率,并有助于及时治疗患者.
科学领域:
- 放射学和医学成像
- 肝病学
- 生物标志物
背景情况:
- 目前的高风险代谢功能障碍相关的脂肪肝炎 (MASH) 的非侵入性评分系统在准确性和效率方面存在局限性.
- 及时和准确地识别高危MASH对于及时干预和预防疾病进展至关重要.
研究的目的:
- 开发和验证一种基于多参数MRI的新型模型,称为EFT1,用于准确有效地识别高风险的MASH.
- 将EFT1模型的诊断性能与传统的评分系统进行比较.
主要方法:
- 一项前性研究招募了118名患有肝硬化和代谢风险因素的患者,其中80名被归类为高风险MASH.
- 进行了多参数MRI技术,包括磁共振弹性图 (MRE),T1映射和质子密度脂肪分数 (PDFF).
- EFT1模型是使用后勤回归开发的,并对训练 (70%) 和测试 (30%) 队列进行了验证,结果与肝脏活检结果相关.
主要成果:
- 在高风险MASH和非高风险MASH组之间观察到MRE,PDFF和T1的显著差异.
- 在训练和测试群体中,EFT1模型表现出极好的诊断性能,AUC为0. 995.
- EFT1模型实现了高灵敏度 (98.2%的训练,95.7%的测试) 和特异性 (96.3%的训练,100%的测试),优于传统的评分系统.
结论:
- 新的EFT1模型提供了一种非常准确的非侵入性方法来识别高风险的MASH患者.
- 与现有的评分系统相比,EFT1模型提供了更高的灵敏度和特异性的平衡.
- 这种模式可以为MASH患者提供及时的干预和个性化治疗策略,从而改善治疗结果.
